Business">
Proyecto Final Caramutti
Proyecto Final Caramutti
Proyecto Final Caramutti
INGENIERO INDUSTRIAL
BUENOS AIRES
2019
Producción de herbicidas formulados a partir de 2,4-D éster
RESUMEN EJECUTIVO
Sigma Agro es una empresa argentina de producción de productos fitosanitarios. Dentro de su
catálogo de productos, se comercializan herbicidas en base 2,4-D éster. Estos se encuentran en
una etapa de crecimiento en el mercado local y actualmente la compañía los produce a fasón
en otras plantas de agroquímicos del país. En el presente trabajo se realiza un estudio de
prefactibilidad para la síntesis de dichos herbicidas en la planta de Sigma Agro. Asimismo, se
estudian las distintas aristas del proyecto, analizando la factibilidad técnica y financiera,
desarrollando un estudio integral de Ingeniería Industrial.
Sigma Agro is an Argentinian company that manufactures crop protection products. Among
their portfolio of products are 2.4-D ester-based herbicides, which are currently in a stage of
growth in the local market. At the moment, the company is outsourcing their production to
other Argentine agrochemical factories. Throughout this paper a pre-feasibility study is
conducted for the synthesis of 2,4-D ester-based herbicides in Sigma Agro’s plant. A full study
assessing the technical and financial viability of the project is developed from an industrial
engineering perspective.
AGRADECIMIENTOS
A Gustavo Ruffa, Gabriel Mellone, y todo el personal de Sigma Agro, por la buena
predisposición y la invaluable ayuda proporcionada para la realización de este trabajo.
INDICE
GLOSARIO
2,4-D: (ácido) 2,4-diclorofenoxiacético.
AFIP: Administración Federal de Ingresos Públicos.
BCRA: Banco Central de la República Argentina.
CAGR: compound annual growth rate. Tasa de crecimiento compuesto anual.
CASAFE: Cámara de Sanidad Agropecuaria y Fertilizantes.
CER: Coeficiente de Estabilización de Referencia. Índice que ajusta según inflación.
CIAFA: Cámara de la Industria Argentina de Fertilizantes y Agroquímicos.
CIF: Cost, Insurance and Freight. Incoterm utilizado en comercio exterior para referirse a
precios de exportación, donde se incluye el costo logístico de transporte hasta el puerto de
referencia, el transporte marítimo y el seguro.
DEA: dietanolamina.
DIO: Days Inventory Outstanding.
DMA: dimetilamina.
DPO: Days Payable Outstanding.
DSO: Days Selling Outstanding.
EHE: etilhexil éster.
EMBI: Emerging Markets Bonds Index.
EPA: Environmental Protection Agency. Agencia gubernamental de Estados Unidos encargada
de la regulación ambiental.
EPP: Elementos de protección personal.
ERP: Enterprise Resource Planning. Acrónimo utilizado para sistemas (software) de gestión
integral de todos los recursos de una empresa.
FAO: Food and Agriculture Organization. Organización de Alimentos y Agricultura de las
Naciones Unidas.
FIFO: First In First Out.
FOB: Free on Board. Incoterm utilizado en comercio exterior para referirse a precios de
exportación, donde el costo logístico de transporte hasta el puerto de referencia ya está incluido,
pero no lo están el transporte marítimo ni el seguro.
FONDEP: Fondo Nacional de Desarrollo Productivo.
IBE: isobutil éster.
IIBB: Ingresos Brutos.
INDEC: Instituto Nacional de Estadística y Censos.
IPA: isopropanolamina.
IPC: Índice de Precios al Consumidor (inflación minorista).
IPE: isopropil éster.
IVA: Impuesto al Valor Agregado.
Se entiende por síntesis química el proceso por el cual se generan compuestos químicos
(material técnico) a partir de precursores, y a la formulación como la disolución de ese material
técnico con diferentes solventes, que mejoran su aplicabilidad y dan origen al producto final
comercializado. En la Figura 1.1. se puede observar un diagrama básico y a fines ilustrativos
del proceso.
Más del 90% de los herbicidas basados en 2,4-D puede agruparse en dos familias de
formulados: las sales aminas y los ésteres (Charles, Hanley, van Ravenzwaay, & Bus, 2001).
Sigma Agro, al día de la fecha, neutraliza y formula en su planta sales aminas, mientras que
terceriza la síntesis y formulación de ésteres, sacrificando margen de ganancia. Si se concreta
el proyecto, estos últimos también podrían producirse en la misma planta, en una línea paralela.
Para todos los formulados se parte inicialmente del mismo insumo: ácido 2,4-D, el cual es
mayormente importado desde países como China e India.
CAPÍTULO I:
ESTUDIO DE MERCADO
RESUMEN
El estudio de mercado del proyecto inicia con la presentación de Sigma Agro S.A., empresa
centro del análisis, y con la introducción del herbicida 2,4-D.
Resulta así como, con el panorama argentino conocido, se procede a presentar el proyecto de
inversión e identificar sus Fortalezas, Oportunidades, Debilidades y Amenazas para definir
estrategias de avance y de defensa. Es igual de importante segmentar el mercado según
diferentes criterios como parte de la definición del posicionamiento que se busque en el
negocio.
Finalmente, con el contexto conocido y analizado, se arriba a la parte fundamental del análisis:
la proyección de la demanda y el precio, que permitan estimar la facturación de la empresa para
los próximos 10 años.
2. SIGMA AGRO
2.1. Historia
Sigma Agro S.A. comienza sus actividades en el año 2010. En la Figura 2.1 se puede observar
su logo actual. Sus fundadores cuentan con más de 30 años de experiencia, en conjunto, en el
área de agroquímicos. Ellos se propusieron crear una compañía en la que la calidad de su
trabajo no dependa de nadie, buscando siempre asegurar al cliente la excelencia en los
productos y servicios ofrecidos.
Su servicio no culminaba con la importación de químicos, sino que operaban a lo largo de toda
la cadena de valor. Por ejemplo, un proceso que implicase la importación del producto técnico,
la formulación del herbicida, el armado del packaging y la entrega en el depósito del cliente
muestra la gestión integral que la empresa podía realizar. Inicialmente trabajaban con plantas
químicas de terceros debido a que sus objetivos eran plenamente comerciales: aumentar su
facturación, llegar a nuevas áreas geográficas, o sumar más distribuidores, entre otros. Esto les
resultaba más fácil y rápido de cumplir sin tener que encargarse de la producción. De esta
manera se podían enfocar 100% en el cliente y en sus metas.
Sin embargo, con el correr del tiempo empezaron a perder share del negocio debido a que sus
competidores locales importaban insumos y formulaban ellos mismos, lo que les permitía
ofrecer productos a un menor costo. Desde ese momento empezaron a evaluar integrarse hacia
atrás en su cadena de abastecimiento, para lo cual era necesario adquirir una planta química.
en Mercedes, que originalmente formulaba productos de cloro. Así, acordaron un plan de pagos
y desde aquel momento comenzó una nueva etapa en la historia de Sigma Agro.
El predio de 3 hectáreas, que se puede observar en la Figura 2.2, ya contaba con una nave de
5.000 m2 lista para ser utilizada, donde instalaron 2 líneas de formulación. Inicialmente
priorizaban a sus propios productos ya que contaban con una baja capacidad productiva
respecto a su fuerza de ventas. Sin embargo, por su trayectoria en el negocio conservaban muy
buenas relaciones con plantas formuladoras, a las cuales podían acceder para tercerizar la carga
trabajo que no podían absorber.
Yendo al presente, planean terminar el año 2019 con 10 líneas, en su mayoría monoproducto.
Esto significa que cada línea se utiliza para formular un solo producto, y no se comparte entre
diferentes formulados, lo que asegura una calidad excepcional dado que se elimina cualquier
posibilidad de contaminación cruzada. Gracias a esta política, Sigma Agro es capaz de trabajar
con empresas de primera línea que demandan este tipo de condiciones.
2.4. Ubicación
Sigma Agro cuenta con su mayor presencia en Buenos Aires, La Pampa, Córdoba, Santa Fe y
Entre Ríos. En esta área geográfica posee 4 depósitos, con su planta de producción en la
localidad de Mercedes, Buenos Aires. Los depósitos y la planta pueden observarse en el mapa
de la Figura 2.4.
Comercialmente dividen la zona en norte de Buenos Aires, sur de Córdoba y sur de Santa Fe,
sudeste y sudoeste de Buenos Aires, oeste de Buenos Aires y La Pampa, norte de Córdoba, y
finalmente grandes administraciones de Capital y núcleo.
2.5. Crecimiento
El crecimiento de Sigma Agro ha sido muy fuerte, especialmente durante el 2018, año en el
que han podido duplicar su facturación respecto al año anterior. Este progreso se debe a la
atención y tiempo que invierten en encontrar socios para nuevos negocios. Como se expondrá
posteriormente, la empresa se destaca por su habilidad en crear acuerdos de mutuo beneficio.
Por ejemplo, formular para terceros que no cuentan con planta propia, o formular en plantas de
terceros con capacidad ociosa.
5
20
+11,50% 4
+73,49%
15
3
-25,69%
10
2
5 1
0 0
2014 2015 2016 2017 2018
Volumen Facturación
Como puede observarse en el gráfico de la Figura 2.5, hubo un fuerte crecimiento en los últimos
años y se encuentra presente una tendencia a seguir haciéndolo, tanto en facturación como en
volumen vendido. Asimismo, el CAGR de facturación entre 2014 y 2018 fue de 34,14%.
Sigma Agro demostró que es capaz de crecer en forma exponencial y mantener y agrandar su
posición en el mercado. Actualmente, representa el 0,1% del mercado total de fitosanitarios,
aunque si se tiene en cuenta que la empresa no comercializa productos en todos los segmentos,
este valor es comparativamente mayor. Pronostican para el 2019 tener, nuevamente, un
crecimiento de dos dígitos en términos reales.
1.2
Volumen de herbicidas 2,4-D (M Lts)
1.0
1.015
0.8
0.747
0.6 0.677
0.4
0.2
0.219
0.147
0.0
2014 2015 2016 2017 2018
Figura 2.6. Volumen total comercializado de herbicidas 2.4-D por Sigma Agro.
3. AGROQUÍMICOS
3.1. Definición e historia
Se entiende por agroquímicos a “cualquier sustancia química utilizada en agricultura,
incluyendo fertilizantes, herbicidas e insecticidas” (Encyclopædia Britannica, 2018). Desde los
inicios de la agricultura se han buscado formas más eficientes y económicas de alimentar a una
creciente población. Asimismo, el crecimiento demográfico experimentado a partir del siglo
XIX, junto a las grandes guerras de la historia moderna han sido factores determinantes en el
desarrollo de los agroquímicos sintéticos como se los conoce en la actualidad.
Los productores agropecuarios tendrán que producir significativamente más alimentos hacia
2050 para poder satisfacer las necesidades alimenticias de una población esperada de más
de 9.000 millones de habitantes, al mismo tiempo que deberán enfrentar desafíos causados
por el cambio climático y la protección de recursos naturales finitos. (Phillips McDougall,
2018).
Más allá de las controversias acerca de la toxicidad y sustentabilidad de su uso, sería difícil
explicar el incremento en la productividad de los cultivos sin tener en cuenta el efecto de los
agroquímicos y otros avances tecnológicos producidos por las ciencias agrarias. La Figura 3.1
muestra la evolución del índice de cosecha elaborado por el Banco Mundial desde 1961. Se
observa que el nivel de cosechas se cuadruplicó en los últimos cincuenta años, y en Argentina
casi se sextuplicó.
600
500
400
300
200
100
0
1961
1963
1965
1967
1969
1971
1973
1975
1977
1979
1981
1983
1985
1987
1989
1991
1993
1995
1997
1999
2001
2003
2005
2007
2009
2011
2013
2015
Figura 3.1. El índice de cosecha mide la productividad de los cultivos (base 1961=100).
3.2. Clasificación
No existe un criterio de clasificación único o estandarizado para la enorme variedad de
productos químicos que se utilizan en la agricultura moderna. Una primera división puede
establecerse entre productos que estimulan el crecimiento y aquellos que protegen a los
$60
Ventas globales de fitosanitarios
/miles de millones de USD
$50
$40
$30
$20
$10
$0
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Año
Los herbicidas representan la familia agroquímicos más importante dentro del grupo de
productos fitosanitarios, tanto en volumen como en tamaño de mercado, en Argentina
(CASAFE) y en el resto del mundo (EPA, 2011). Junto con los insecticidas y fungicidas,
representan más del 90% del mercado, tal como se puede observar en la Figura 3.4.
En Argentina, los herbicidas históricamente representaron entre el 60% y 75% del mercado de
fitosanitarios, que casi se quintuplicó desde los valores mínimos de 2002. Entre 2002 y 2016
el CAGR fue del 10,7%. Dicha evolución puede verse evidenciada en la Figura 3.5.
3000
Ventas de fitosanitarios en Argentina /
2500
2000
Millones de USD
1500
1000
500
Año
Herbicidas Insecticidas Fungicidas Otros
Figura 3.5. Evolución de ventas de fitosanitarios en Argentina. Elaboración propia a partir de informes CIAFA.
3.4. Herbicidas
Se denomina herbicidas a los agroquímicos cuya función consiste en eliminar o neutralizar
plantas indeseadas, llamadas malezas. Las malezas compiten con el cultivo por los recursos
disponibles (agua, nutrientes, luz solar), por lo que, si no se controlan, pueden reducir
enormemente los rindes. Existen múltiples criterios para clasificar a los herbicidas, entre los
que se destacan:
o De contacto: sólo operan sobre las zonas de la planta en que son aplicados.
Según su selectividad:
o Selectivos: atacan sólo la maleza o familias de malezas para los que fueron
diseñados, dejando intacto a los cultivos y otras plantas.
Dentro del grupo de herbicidas, tanto selectivos como no selectivos, es posible identificar
múltiples productos dependiendo el componente activo que se utilice. En Argentina, tal como
se puede ver en la Figura 3.6, los más utilizados son glifosato, 2,4-D, cletodim y dicamba.
Glifosato
44%
2,4-D
7%
Cletodim
6%
Dicamba
Otros 1%
42%
Figura 3.6. Share de volumen vendido en Argentina de herbicidas en 2016 (Sigma Agro, 2019).
En la actualidad existen más de 600 productos formulados cuyo ingrediente activo es el 2,4-D
(Song, 2014). Debido a su popularidad y uso extendido, en tiempos más recientes se han
desarrollado variedades genéticamente modificadas de otros cultivos (por ejemplo, maíz y soja)
resistentes al 2,4-D. Esto significa que plantas que antes eran atacadas por la aplicación del
herbicida, hoy lo soportan.
En la Figura 4.2 se observa los distintos productos finales que se obtienen del ácido 2,4-D. Para
obtener una sal amina se realiza una neutralización del ácido 2,4-D. Luego, se formula con
distintos solventes para lograr los productos formulados. Por el lado de los ésteres, el ácido se
transforma en un reactor químico para sintetizar la base técnica, a la cual se le agregan variados
insumos para poder formular los productos finales. Finalmente, hay un 5% de los formulados
que se produce a partir del ácido 2,4-D directamente.
El proceso que se analiza llevar a cabo en el proyecto es la síntesis química de ésteres del ácido
2,4-D, para su posterior formulación.
Sin embargo, las sales aminas tardan entre 4 y 5 días en completar su efecto. Por lo tanto, la
mayor volatilidad de los ésteres se ve compensada por un mayor tiempo de aplicación de las
sales aminas. En caso de que haya precipitaciones durante dicho periodo, las consecuencias
son devastadoras y puede concluirse con la pérdida total de una aplicación de 2,4-D sal amina.
En consecuencia, los ésteres son considerados más efectivos, pero se debe ser cuidadoso en el
elegir el día de aplicación para evitar que se desplace a terrenos cercanos.
Cabe destacar que la volatilidad no es igual entre los ésteres. Un estudio realizado por Jorgelina
C. Montoya y Carolina Porfiri (INTA, 2017), ataca esta temática y muestra resultados que
marcan una diferencia sustancial entre ellos.
El gráfico de la Figura 4.3. muestra los niveles de fitotoxicidad medida en los diferentes
cultivos aledaños en las tres fechas determinadas, demostrando la mayor volatilidad del IBE
por sobre el EHE. El primero mostró una volatilidad de aproximadamente el 80% del total de
su peso, mientras que el segundo fue del 25%. De este modo, la volatilidad del EHE es
comparable a las sales aminas, representadas en este estudio por la dimetilamina (DMA) y la
sal colina, otra sal amina.
90
80
70
60
Fitotoxicidad (%)
50
40
30
20
10
0
Testigo Colina DMA EHE Ácido IBE
De acuerdo con lo expuesto anteriormente, vale la pena destacar que la aplicación de IBE
incurriría en mayores desperdicios que la aplicación equivalente de EHE, más allá de los daños
que pudiera ocasionar a otros cultivos. Existen casos donde la acción de un éster ha impactado
en cultivos situados a 6 km. de la zona de aplicación. Si bien ya existen regulaciones
provinciales que restringen el uso de ésteres, y en particular el IBE, debido a este efecto existe
la posibilidad de que se prohíba su uso a nivel nacional.
A pesar de todo esto, el IBE continúa siendo el formulado de 2,4-D con mayor volumen de
ventas en Argentina, tal como se puede observar en la Figura 4.4. Los distribuidores de
productos agroquímicos explican que, al tratarse de una de las variedades más antiguas de
2,4-D, los productores agropecuarios tienen cierta inercia hacia estos formulados porque ya lo
han utilizado anteriormente y conocen su eficiencia. De todos modos, el EHE gana tracción
año a año debido a su mayor rendimiento económico y las prohibiciones totales de IBE en
algunas zonas, representando ya un 30% del total de litros de 2,4-D éster comercializados.
En tercer lugar, se ubican las sales aminas. En provincias donde los ésteres están
completamente prohibidos, como Tucumán y Chaco, las sales aminas son el único formulado
que puede aplicarse.
Otros
5%
Sales
aminas
20% IBE
45%
EHE
30%
Figura 4.4. Participación de cada variante de 2,4-D en el mercado nacional (Sigma Agro, 2019).
Si bien el 2,4-D existe desde hace más de 70 años, en el país, los herbicidas hormonales en
general tuvieron un gran crecimiento a partir de la campaña 2012/13 (CASAFE). Uno de los
factores que impulsaron este crecimiento fue el fortalecimiento de las malezas, que ya no
podían ser tratadas eficientemente con los productos habituales hasta ese momento. Como se
estudiará más adelante, si se utilizaran las dosis recomendadas para las hectáreas cultivadas en
el país, aún existe un potencial crecimiento considerable de la demanda de esta familia de
herbicidas.
Dado que el producto a analizar se comporta como un commodity, donde el formulado final es
prácticamente igual, independientemente de la empresa que lo produzca, se amaliza al producto
en general y no sólo el producido por Sigma Agro. Como fue mencionado anteriormente, los
herbicidas en base ácido 2,4-D comenzaron a utilizarse en 1944, por lo que se esperaría que
sea un producto ya maduro en el mercado. La Figura 5.1 representa a modo ilustrativo el estado
del 2,4-D en su ciclo de vida.
A su vez, es un producto bien conocido en el ambiente agropecuario, por lo que quedan pocos
clientes potenciales para comenzar a aplicarlo en sus cultivos. En conclusión, se considera que
es un producto maduro, con niveles de venta estables y con un crecimiento moderado constante.
El mercado se define como todos los herbicidas en base ácido 2,4-D, estos son principalmente
los de base sal amina, y base ésteres, que como mencionado previamente, componen alrededor
del 95% del mercado. Se considera que este mercado es el más representativo no sólo porque
los productos que se comercializan pertenecen directamente a este subgrupo, sino también
porque es importante que cumplan una misma función: herbicida selectivo para la eliminación
de malezas de hoja ancha. Se seleccionan los herbicidas 2,4-D con base técnica sal amina y en
base ésteres por separado para lograr un análisis más profundo y relevante sobre la cartera de
productos.
En el eje X (market share) de la Figura 5.2, se ubican los de base sal amina en una cuota relativa
del mercado baja, y a los de base éster, que son los que Sigma Agro comercializa en mayor
medida, con un porcentaje relativo alto. Para el crecimiento del mercado en el tiempo (eje Y)
se ubican los ésteres con crecimiento alto y los de sal amina con un crecimiento bajo, dado que
tienen niveles de venta estables en los últimos años. El diámetro de los círculos representa el
ingreso anual actual de Sigma Agro para cada producto. Los de base técnica ésteres
representaron un ingreso de USD 2.800.000 y los de base técnica sal amina un ingreso de USD
190.000.
Estrella Incógnito
+
Ésteres
Tasa de crecimiento
Amina
-
Vaca Perro
- Cuota relativa de mercado +
Como puede observarse en la Figura 5.2, los ésteres se categorizan como un producto del tipo
estrella mientras que los de base técnica sal amina se consideran productos del tipo perro. Los
tipo estrella son los que presentan mayores beneficios potenciales y oportunidades de inversión.
Los tipo perro, generalmente, resultan en ingresos bajos y poco prospecto de crecimiento, por
lo que se recomienda una reinvención o reestructuración del producto o del plan de negocios
asociado, o llegado al caso, en la terminación de su venta. En conclusión se refuerza el enfoque
del proyecto, en el que se busca invertir en la producción de los herbicidas 2,4-D en base éster.
Ejemplo 5.1:
Los bienes del Ejemplo 5.1 se comportan como complementarios porque al aumentar el precio
de X, cae su cantidad consumida (salvo bienes Giffen), al igual que — pero en otra proporción
— el bien Y. Lo contrario ocurre con los bienes llamados sustitutos (Robert, 2008).
No fue posible conseguir una serie de precios estandarizados suficientemente grande de valores
de mercado de múltiples tipos de herbicidas, debido en parte a la gran cantidad de productos y
combinaciones existentes para cada químico activo. Sin embargo, sí se conocen los registros
de comercio exterior de numerosos agroquímicos que, al igual que el 2,4-D, son formulados y
comercializados. Si bien económicamente es incorrecto suponer que las curvas de oferta y
demanda (y en consecuencia, los precios) de un producto dependen de sus costos (precio de los
materiales técnicos importados), al tratarse de agroquímicos que se comportan prácticamente
como commodities, empíricamente se conoce que existe una alta correlación entre ambas
variables en el mediano y largo plazo (Dixon, 2009).
Por lo tanto, con el objetivo de realizar un análisis cualitativo entre el comportamiento de otros
herbicidas frente al 2,4-D, se analiza la elasticidad cruzada a partir de los precios FOB y las
cantidades importadas y exportadas en Argentina en el período 2006–2017, sin perjuicio de
que estos valores puedan diferir considerablemente de las elasticidades reales de cada par de
herbicidas en el mercado de formulados.
Se observa en la Figura 5.3 que, de los productos analizados, el 58% posee elasticidad cruzada
negativa, comportándose así como complementarios frente al 2,4-D. La atrazina y el
tiametoxam poseen una elasticidad positiva, pero menor al 0,1. Entre los herbicidas con
comportamiento sustituto más marcado se encuentran el glifosato (0,81), dicamba (0,44) y
diclosulam (1,99).
Diclosulam
Glifosato
2 Atrazina
2,4-D
Tiametoxam
Elasticidad cruzada (vs. 2,4-D)
0
0 0.2 0.4 0.6 0.8 1
Dicamba
Sulfentrazone Paraquat Picloram
-2
Cletodim
S-Metolacloro
-4 Metolacloro
Flumioxazin
-6
-8
Coeficiente de correlación (precios)
Figura 5.3. Elasticidad cruzada para distintos tipos de herbicidas con relación al coeficiente de correlación entre
sus precios. El tamaño de las burbujas representa el monto promedio importado por año en USD.
Asimismo, las razones por las cuales se limita el uso y aplicación varían dependiendo de cada
provincia, pero, a modo general, se resumen en la volatilidad del producto y época del año que
favorece dicho efecto.
Más aún, en el caso de Córdoba, se prohibió el uso y aplicación en la época coincidente con la
brotación y floración de ciertos cultivos de hoja ancha, como los frutales, hortalizas o flores
ornamentales, por ejemplo.
Tabla 5.1
Restricciones provinciales de uso y aplicación de 2,4-D (La Gaceta, 2017), (DESAB, 2017),
(Infocampo, 2019).
Así resulta que, con la finalidad de importar, producir o comercializar cualquier herbicida en
base ácida 2,4-D, el SENASA debe otorgarle a la empresa solicitante registros que la habiliten.
Dicho requisito abarca tanto a productos finales, como a insumos o bases técnicas para la
formulación de herbicidas. Este proceso de solicitud y registro demora, como mínimo, dos
años.
Sin embargo, existen dos alternativas que lo evitan o reducen. La primera consiste en adquirir
el paquete de estudios realizado por una empresa poseedora del registro, en caso de que se
requiera el mismo análisis de toxicidad para el producto. Esta modalidad tiene un costo
variable, dependiendo la negociación entre empresas, que ronda los USD 50.000, pero ahorra,
aproximadamente, seis meses del proceso total. La segunda consiste en la compra de un “clon”,
es decir, un registro con idénticas características a otro ya existente. Esto acarrea un costo
estimado de USD 0,05 por litro producido, a manera de regalías para la empresa poseedora del
registro. Nuevamente, dicho valor puede ser negociado entre empresas. Si bien esta opción
puede resultar atractiva, el “clon” depende en un 100% del registro original, por lo que quedaría
a merced del anterior, y una caída de la original generaría la caída del clon.
Una empresa productora de fitosanitarios debe contar con registros para su insumo importado
y su cartera de productos comercializados. Por ejemplo, Sigma Agro cuenta con el registro para
la importación de ácido 2,4-D y para la comercialización de EHE, IBE y demás. No es
necesario contar con registros para los pasos intermedios de la cadena productiva.
En cuanto al mercado de herbicidas 2,4-D argentino, la gran mayoría de las empresas cuenta
con los permisos necesarios para la importación, producción y comercialización del IBE. Esto
no ocurre con el EHE ya que pocas empresas cuentan con el registro necesario. Esta situación
imposibilita que importen el material técnico necesario para su formulación, sin incurrir en los
costos y demoras necesarias para el registro en el SENASA, o sin invertir en una línea de
síntesis del técnico (Sigma Agro, 2019).
Para el presente trabajo se realiza el análisis de Porter para la industria de los herbicidas,
aplicado a aquellos formulados a partir de 2,4-D.
Proveedores
El poder de negociación de los proveedores de insumos para la producción de 2,4-D es bajo.
Clientes
El poder de negociación de los productores agropecuarios, clientes del 2,4-D es alto. Al igual
que los insumos para su producción, no hay gran diferenciación mediante la calidad del
herbicida. Es así como se traslada el poder de negociación de los proveedores de insumos hacia
los clientes, actuando la industria de herbicidas como proveedores de los productores
agropecuarios.
A pesar de que los formulados no son commodities propiamente dicho, tienen características
que los asemejan. Los clientes determinan la marca a comprar según dos factores
principalmente. En primer lugar, se encuentra el precio. Éste suele estar determinado
principalmente por 2 elementos: el precio FOB del ácido 2,4-D, y la relación entre la oferta y
la demanda, ya que la cadena de abastecimiento del negocio funciona bajo modalidad push (se
vende una vez producido). En segundo lugar, se encuentra el tipo de financiamiento que
pueda ofrecer el vendedor dado el contexto macroeconómico de incertidumbre que se ha
instalado en el país hace varios años, y la forma en la que se trabaja en la industria, con muchos
costos hundidos e inversiones grandes a corto y mediano plazo.
Dado que el principal cliente para Sigma Agro son las distribuidoras de agroquímicos, el
mercado cuenta con un número más reducido de participantes, aunque de mayor volumen. De
esta manera, a mayor concentración de clientes, se vuelve más eficiente la relación, pero más
riesgosa.
Sin embargo, no son pocas las empresas distribuidoras con operaciones en las zonas de venta
de Sigma Agro. Según información de la Federación de Distribuidores de Insumos
Agropecuarios, se encuentran 128 en la Provincia de Buenos Aires (CADESABA, s.f.), con
mayor concentración en el norte del territorio, 30 en Santa Fe (CEPIAS, s.f.), 86 en Córdoba
(CADEASAC, s.f.) y otros más en La Pampa (FeDIA, s.f.). De esta manera, se concluye que
no se encuentra excesivamente concentrada la clientela de Sigma Agro, reduciendo el riesgo.
Nuevos entrantes
La amenaza que representan los nuevos entrantes al negocio de herbicidas 2,4-D es baja. Para
poder importar, producir, y/o comercializar cualquier herbicida en base ácido 2,4-D, se
necesitan certificados y permisos que representan una enorme carga de procesos burocráticos
que implican tiempo y dinero, conformando así un mercado con barreras de entrada elevadas.
Además, al tratarse de un producto industrial, la escala es un factor relevante para la viabilidad
económica.
Sustitutos
La amenaza que representan los productos sustitutos del herbicida en base ácido 2,4-
D es baja. Ello se debe a que no hay un producto en el mercado que reemplace directamente al
2,4-D, aunque ciertas mezclas de agroquímicos pueden complementar la acción del
herbicida. Hablar de sustitución directa no sería del todo acertado, sino que se trata, más bien,
de bienes complementarios. Sí existe sustitución directa entre los distintos tipos de herbicidas
en base ácido 2,4-D, como ya se explicó anteriormente.
Sin embargo, si el 2,4-D fuera finalmente erradicado del mercado mundial, no se vería
mayormente afectada la producción agropecuaria, dado que las malezas de hoja ancha podrían
ser aún eliminadas con la aplicación de un mix de diferentes herbicidas, aunque a mayor costo
y menor eficiencia. De esa manera, podría definirse a esas mezclas como sustitutos, aunque no
suelen comercializarse en el mercado directamente. Asimismo, el hecho de que el consumo de
los productores agropecuarios se rija por costumbre añade al caso de estudio del 2,4-D. Al ser
un herbicida que data de la Segunda Guerra Mundial, resulta difícil pensar que un productor
decida sustituirlo por un mix de productos.
Otro aspecto para destacar, sumando al anterior, es la vigencia del 2,4-D. De la totalidad de
herbicidas comercializados en la década de 1960, el 60% ha sido prohibido por diferentes
implicancias ambientales. Sin embargo, uno de los remanentes es el 2,4-D (Phillips
McDougall, 2018), lo que muestra que, si no fue prohibido hasta el día de la fecha, resulta
difícil que se lo haga y sea sustituido por otro herbicida.
Competidores
El nivel de rivalidad entre las empresas del rubro de este tipo de herbicidas es medio. En
Argentina hay un gran número de empresas que producen y comercializan herbicidas en base
ácido 2,4-D, aunque son pocas las que lo producen en plantas propias, el resto los formula a
fasón. Los productos finales, como ya se mencionó, no suelen tener diferencias significativas,
por lo que la competencia es muy fuerte. En la Figura 5.5 se presenta la distribución del
mercado actual de 2,4-D.
Otros
3.5M Atanor
Sigma 5.6M
1.0M
UPL
1.5M
Dedalo
Dow 3.0M
2.4M
Surcos
3.0M
Cabe aclarar que, tras la realización del presente proyecto y formando parte del reducido
número de empresas que sintetizan el material técnico en el país, Sigma Agro se encontrará en
una posición de competencia diferente a la actual. Empresas que hoy son prestadores de
servicios, se convertirían en competidores directos. Por ejemplo, UPL hoy sintetiza productos
para Sigma Agro, que podrá producir por cuenta propia en el futuro.
Por último, toda empresa formuladora que cuente con una estructura comercial sólida, en vías
de potencial crecimiento, puede convertirse en un agresivo competidor en el mercado, dado
que puede expandirse a un costo marginal inferior que los nuevos entrantes del mercado.
Estado
Para finalizar, y considerando el marco en el cual se ubica la industria de 2,4-D,
el Estado puede convertirse en una sexta fuerza de Porter, entendiendo su poder como alto. Es
el encargado de regular los aranceles a la importación y la potencial prohibición de aplicación
de algún agroquímico. Debido a esto, una posición favorable del Estado frente a la defensa de
la síntesis nacional de 2,4-D se vuelve fundamental para el desarrollo del proyecto de
ampliación de la línea.
Como conclusión, se observa que el principal jugador de la cadena son los clientes a los cuales
debe capturar Sigma Agro, ofreciéndole valor más allá del producto final que
comercialice. Asimismo, la competencia es un factor a considerar. Los sustitutos, así como los
nuevos entrantes, carecen de carácter amenazante, mientras que los proveedores no se
convertirán en una fuerza relevante en ningún escenario de corto y mediano plazo. Aun así, es
de valorar una relación cordial o alianzas con proveedores del exterior, entendiendo que
solamente Atanor SCL produce ácido 2,4-D en el país.
6. PROYECTO DE INVERSIÓN
6.1. Introducción al proyecto
El presente proyecto de inversión consiste en la ampliación de una línea de síntesis de 2,4-D
en base éster a partir del precursor ácido 2,4-D.
Al día de la fecha, Sigma Agro terceriza tanto la síntesis química del material técnico como la
formulación del portafolio de productos a partir de 2,4-D en base éster. Dicha modalidad de
producción se conoce como “fasón”, la cual se utiliza con frecuencia en el mercado nacional
de agroquímicos. Por el contrario, la empresa posee líneas de neutralización y formulación de
sales aminas dentro de su planta en Mercedes, Provincia de Buenos Aires.
Es así como la realización del presente proyecto le permitiría a la empresa producir de forma
interna la totalidad de herbicidas 2,4-D que actualmente comercializa.
Tabla 6.1
Tabla comparativa entre aranceles de importación del Mercosur y Argentina (AFIP, 2019).
Como puede observarse en la Tabla 6.1, la importación del precursor ácido 2,4-D o los
materiales técnicos se encuentra arancelada a razón del 14%, así como el resto de los químicos
2,4-D (categoría 29 de la nomenclatura del Mercosur), tanto en el Mercosur como en Argentina.
Sin embargo, llama la atención la disparidad en los cargos aduaneros para los herbicidas
formulados a partir de 2,4-D. Esta sustancial diferencia dificulta la importación y venta directa
de formulados, reduciendo su margen de ganancia comparativamente con las plantas
formuladoras del país. Dicho arancel actúa en defensa de la producción nacional.
Por otro lado, los dos principales herbicidas formulados a partir del 2,4-D base éster son el
EHE e IBE. Los productores agropecuarios del país suelen aplicar el segundo principalmente
por costumbre de uso. Sin embargo, como se mencionó anteriormente, el IBE resulta
considerablemente más volátil que el EHE, lo que genera mayores desperdicios y un mayor
riesgo de afección a zonas aledañas a la aplicación. Consecuentemente, existe la posibilidad de
que se reglamente la prohibición de su aplicación en los suelos del país, lo que generaría un
incremento en el mercado de EHE. En dicho escenario, Sigma Agro pertenecería al reducido
grupo de empresas nacionales que cuentan con la capacidad de sintetizar y formular EHE.
Fortalezas Oportunidades
Debilidades Amenazas
Figura 6.1. Matriz FODA del proyecto de inversión en una línea de síntesis de material técnico en base éster
Debilidades
a. Introducción de un proceso minuciosamente controlado
En la planta de Mercedes de Sigma Agro solo se realizan formulaciones. La introducción de
una nueva línea para la síntesis representará un proceso notoriamente más complejo que la
formulación.
Amenazas
a. Aumento de la participación de las grandes empresas multinacionales
La Cámara de Sanidad Agropecuaria y Fertilizantes está formada por las empresas
multinacionales con presencia en Argentina, como Bayer o Syngenta. Cuentan con un gran
poder económico y posibilidad de inversión en el país, por lo que son una constante amenaza
a los productores nacionales.
A modo de corolario, en cuanto al aspecto interno del proyecto, se resalta la numerosa cantidad
de fortalezas que lo caracterizan, así como la reducida presencia de debilidades. Sin embargo,
son las amenazas las que, dadas particulares situaciones, pueden convertirse en debilidades.
Aun así, se hace especial énfasis en la potencialidad que posee, a raíz de las destacadas
oportunidades ofrecidas por el contexto actual.
Áreas de avance
La definición de áreas de avance en el desarrollo del análisis FODA del presente proyecto
consiste en aprovechar las fortalezas que posee, a fin de maximizar sus oportunidades y sacar
el mayor provecho posible a la potencialidad que lo caracteriza.
Aprovechando las fortalezas de Sigma Agro para comenzar a producir el 2,4-D éster y las
oportunidades del mercado, pocas empresas sintetizándolo y aranceles altos para su
importación, se presenta una gran área de avance para crecer en market share y en
relevancia dentro del mercado. Asimismo, la figura de la empresa podría crecer si
comienza a vender a fasón el 2,4-D éster.
Otra área de avance se encuentra ante la posibilidad de prohibición total del IBE. Adecuar
la línea de producción de dicho herbicida para que produzca EHE no representa ningún
problema. Además, siendo una de las pocas empresas produciéndolo, la oportunidad de
crecimiento que se le presentaría a Sigma Agro sería notable. Un escenario similar
ocurriría en el caso de que los gobiernos provinciales habiliten el uso de EHE: el mercado
potencial crecería significativamente, y la empresa se encontraría en una posición
privilegiada para prosperar.
Áreas de defensa
Así como el proyecto cuenta con áreas de avance, sobre las cuales crecer y volverse parte
fundamental de la historia de Sigma Agro, cuenta con debilidades y amenazas que vuelven
necesario el desarrollo de estrategias defensivas, a fin de protegerse ante las eventuales
contingencias a las que se enfrente. Dichas estrategias buscan minimizar las debilidades y
evitar las amenazas. A continuación, se presentan posibles alternativas:
Llegado el caso que no se prohíba la aplicación de IBE, hay muchos productores y agentes
del mercado que consideran a todos los ésteres como similares. Esto presenta un problema
para los productores de EHE ya que se ven afectados por la mala imagen del IBE. Es por
esto que se presenta como un área de defensa. Los productores deberán lograr un consenso
nacional sobre la discriminación entre los herbicidas 2,4-D éster.
Generar valiosas relaciones con empresas competidoras, a fin de evitar ser absorbidos por
las grandes empresas multinacionales. Estas alianzas pueden resultar determinantes en
caso de que ocurra dicho escenario.
A modo de conclusión del previo análisis FODA, Sigma Agro cuenta con la posibilidad de
crecer en un mercado ya maduro, pero carente de las más nuevas tecnologías en materia de
síntesis de material técnico en base éster. De esta manera, el presente proyecto resulta atractivo
para la empresa.
7. SEGMENTACIÓN Y POSICIONAMIENTO
7.1. Segmentación
7.1.1. Objetivo
A la hora de realizar la segmentación de clientes, el objetivo es crear grupos homogéneos para
luego poder identificar los de mayor valor para el negocio. Las características buscadas son:
que sean diferenciales unos de otros; medibles para poder cuantificar su tamaño; accionables
para poder sacarles provecho; significativos para que valga la pena tenerlos en cuenta;
comprensivos dado que en total se debe cubrir a toda nuestra población; y finalmente
excluyentes que significa solo se puede pertenecer a un segmento a la vez.
Tabla 7.1
A la hora de evaluar el valor de los dos segmentos, se determina que el de los distribuidores es
mayor. Esto se debe al potencial de crecimiento que tienen: cada nuevo cliente o pedido que se
hace al intermediario puede traducirse en más compras a la empresa que lo provee. También al
agrupar clientes finales, generan un flujo más constante. Por otro lado, el productor compra
para su propio consumo que suele ser estable en el tiempo como ya se comentó, anteriormente.
Los productores grandes suelen representar un 10% de las ventas, mientras que el 90% restante
es de los distribuidores.
Distribuidor
Valor del segmento
Productor
-
Sin embargo, al evaluar la habilidad para capturar valor del segmento, es considerablemente
más difícil con los grandes que los pequeños. Las razones son que el poder de negociación
suele venir vinculado con el volumen de la compra. Al ser negocios más grandes, Sigma Agro
S.A. se ve a obligada a flexibilizar las condiciones para evitar perder la venta. En cambio, con
los clientes chicos, esta fuerza es menor.
Según conversaciones con la empresa, el segmento en cuestión sigue la regla de Pareto, donde
aproximadamente el 80% del volumen facturado corresponde al 20% de los clientes.
Grandes
+ Valor del segmento
Chicos
-
Figura 7.4. Principales áreas agropecuarias vs área de operación de Sigma Agro SA. De arriba a la izquierda a la
derecha abajo: maíz, trigo, sorgo, soja y girasol. (INTA Agro, 2019)
En esta variable se encuentra la mayor brecha del análisis, representada en la Figura 7.5. Los
que se encuentran dentro del área, no solo cuentan con mayor valor, sino que Sigma Agro S.A.
posee más habilidad para capturarlos. La principal razón es que la dispersión geográfica de
Sigma ha sido planeada estratégicamente para cubrir las áreas con mayor superficie plantada,
cubriendo la demanda de forma rápida. No hay grandes consumos de herbicidas fuera de la
zona de alcance. Por lo tanto, si bien la habilidad de capturar valor es muy baja, no existe
preocupación alguna ya que su valor también lo es.
Se estima que el 95% del consumo de 2,4-D se realiza dentro de la zona geográfica de Sigma.
Dentro
+Valor del segmento
Fuera
-
Al determinar el valor de cada uno de estos segmentos se determina que son similares. Ya sea
un cliente o no, se puede asumir que se genera el mismo valor por cada litro de herbicida que
compran. Sin embargo, la habilidad para capturar valor es diferente. Esto se puede observar en
la Figura 7.6.
Los ya clientes cuentan con experiencia previa, tienen conocimiento de la manera en que
trabaja Sigma Agro S.A. y han probado producto de la marca. Por otro lado, los no clientes
traen consigo varias barreras a superar, una primera transacción siempre implica un mayor
esfuerzo para que se concrete.
Actualmente, Sigma Agro S.A. cuenta con un market share del 5% de 2,4-D, indicador que se
puede tomar como representativo de la segmentación bajo análisis.
No cliente Cliente
-Valor del segmento
7.1.7. Ponderación
Para finalizar el análisis, en la Figura 7.7 se observa que se agrega una dimensión más a la
matriz que se venía utilizando. Se ponderan las segmentaciones según su importancia, donde
un mayor tamaño representa un mayor peso en la matriz.
Dentro
Grandes
+
Chicos
Fuera Prod.
-
7.1.8. Conclusiones
En conclusión, es posible armar una combinación de segmentos de la siguiente manera: “Sigma
Agro S.A. debería apuntar a sus ya clientes, que se encuentran dentro del área de alcance, que
tienen un tamaño grande, y son del tipo distribuidor”. Al presentar a la empresa este análisis,
se estima que el potencial es de, aproximadamente, un millón de litros de 2,4-D adicionales.
Esta estimación se basa en el crecimiento de market share que Sigma viene teniendo dentro del
segmento, el crecimiento de la demanda de herbicidas en general, y en el aumento en la
capacidad de producción de la empresa que resultará de llevar a cabo este proyecto.
7.2. Posicionamiento
7.2.1. Análisis 4P
El análisis de las 4P es una herramienta de marketing que permite tener una mejor comprensión
del negocio para luego poder plantear una estrategia efectiva. Consiste en un análisis de los
precios, el producto, la promoción y la plaza.
Producto
El producto, como ya se enunció anteriormente, es un herbicida formulado a partir de 2,4-D
éster. Se comercializa principalmente en forma líquida, en bidones de 20 litros. La estética del
envase es dominada por distintos requerimientos legales que deben ser incluidos, como datos
de seguridad, manual y recomendaciones del manejo del producto, precauciones y químicos
incluidos en la composición. En la Figura A2.1. Etiqueta de EHE. del Anexo II se muestra un
ejemplo. El producto se comporta como un commodity, por lo que se hace difícil diferenciarse
por la calidad del producto frente a los competidores.
Precio
El precio del producto difícilmente puede ser controlado por la empresa dado que se comporta
como un commodity. El mismo se ve influenciado, aunque en menor medida, por la demanda
de mercados emergentes, el dólar, el clima y la oferta y la demanda. En conclusión, difícilmente
se puede considerar el precio como una variable de control para moldear una estrategia de
marketing.
Plaza y Promoción
La plaza hace referencia a cómo el producto llega al consumidor. La venta es principalmente
mayorista, con venta de cantidades grandes de producto a pocos clientes. Esto proporciona una
ventaja al momento de obtener una mejor intimidad con el cliente, para lograr satisfacer de
manera más eficiente sus necesidades. Como se menciona anteriormente, Sigma Agro S.A.
realiza la mayoría de sus ventas por medio de distribuidores.
Esta particularidad también es relevante para el análisis de promoción, dado que estos
distribuidores no sólo venden y se encargan de la logística de entrega del producto, sino que
también mantienen relación con los clientes finales. De esta manera se les logra introducir y
publicitar nuevos productos de manera efectiva.
7.2.2. Conclusiones
Se presentan las siguientes variables como síntesis de la declaración de posicionamiento, a
partir del análisis llevado a cabo en el presente capítulo:
Point of pertenece (PoP): con la realización de este proyecto, Sigma Agro S.A. se
convertirá en una de las 3 empresas sintetizadoras de 2,4-D éster en el país. Esta
posición le aportará a la compañía una importante ventaja competitiva frente al resto
de los competidores del mercado.
Point of difference (PoD): al sintetizar los ésteres en su propia planta, Sigma Agro
S.A. podrá aumentar el margen de ganancias por litro, y aumentar su capacidad para
vender IBE y EHE.
Reason to believe (RtB): Sigma Agro S.A. ha venido creciendo de manera muy
pronunciada en los últimos años tanto en facturación (CAGR de 30,4% desde 2014),
y en volumen total de ventas. Asimismo, las ventas de herbicidas 2,4-D éster también
han aumentado en este último tiempo.
8. PROYECCIÓN DE DEMANDA
8.1. Metodología
Para realizar las proyecciones de demanda del 2,4-D, primero se identifican los principales
cultivos que en conjunto suman un alto porcentaje de la superficie sembrada total. De la Figura
8.1 pueden observarse los 5 mayores cultivos, que representan aproximadamente un 90% de
toda el área sembrada del país. Ellos son el sorgo, trigo, girasol, maíz y soja (Subsecretaría de
Agricultura, 2019).
Sorgo
1.7%
Otros
10.6% Trigo
15.3%
Girasol
4.4%
Soja Maiz
44.6% 23.5%
Para la regresión lineal se toman datos sobre la superficie sembrada en Argentina por año para
las campañas desde la del 1992/1993 hasta la del 2017/2018, utilizando como variable
significativa el tiempo. El coeficiente de regresión lineal R2 obtiene un valor de 0,95. En cuanto
al estadístico p, resulta ser de 3,9 × 10−17 , mucho menor que 0,05. El detalle de todos los
parámetros estadísticos resultantes de la regresión se encuentra en el Anexo III: Proyecciones.
En la Figura 8.2 es posible observar los datos históricos reales, junto con los valores estimados.
50
45
Superficie Sembrada / millones de
40
35
30
25
hectareas
20
15
10 Real
5 Estimada
0
Campaña
Precio promedio anual FOB Golfo de México del cereal en dólares por tonelada. (Index
Mundi, 2017)
Precio promedio anual FOB Golfo de México del cereal en dólares por tonelada del año
anterior. (Index Mundi, 2017)
Año, medido como “tiempo” considerando desde el número 1 a partir del primer año
con datos disponibles, para capturar posibles tendencias.
En la Tabla 8.1 se representan los resultados relevantes de las regresiones realizadas para cada
cultivo. Su interpretación es que, para cada cultivo, resultan significativas las siguientes
variables, con sus respectivos parámetros estadísticos.
Tabla 8.1
En los casos particulares del trigo, maíz y soja, donde el precio resulta ser una variable
explicativa significativa para incluir en el modelo, hace falta determinar el precio futuro de
cada uno de dichos cultivos para poder después realizar la estimación del porcentaje sembrado.
Para la determinación de los precios futuros de estos tres cultivos, teniendo en cuenta que son
precios de commodities, se hace uso del método matemático de mean reversion.
Cabe destacar que cada uno de los modelos fue evaluado y validado por sus respectivos
parámetros estadísticos. Se tienen en cuenta como principales criterios para la elección y
validación de los modelos las siguientes consideraciones:
R2 alto: se opta por modelos cuyos coeficientes de determinación sea lo más cercano
posible al 100%, que indica que la variación explicada por el modelo es muy alta.
S2 bajo: Se procede a elegir modelos cuya variación residual sea lo más bajo posible,
ya que dicho indicador explica que tan grande es el error esperado.
DET > 0,1: todos los modelos tienen un determinante mayor a 0,1, lo que indica la
correlación entre las variables explicativas incluidas.
cp < 5p: es necesario para que el modelo no deje información en las variables que no se
tuvieron en cuenta para el armado del mismo.
Valor Crítico de F: Se garantiza que para todos los modelos el valor sea menor al umbral
aceptable de 5%, ya que la prueba de hipótesis analiza, dado un valor crítico, si los
valores de los coeficientes son significativos o no.
El detalle de cada uno de los modelos resultantes, junto con el resto de los parámetros
estadísticos correspondientes, se encuentra en el Anexo III: Proyecciones.
A continuación, en las Figuras 8.3, 8.4, 8.5, 8.6 y 8.7 se presentan a modo de resumen los
gráficos de las proyecciones realizadas, junto con los valores reales hasta la fecha.
Sorgo
4.0%
Real
% sembrado / superficie total
3.5%
Estimación
3.0%
2.5%
2.0%
1.5%
1.0%
0.5%
0.0%
2002/2003
2003/2004
2004/2005
2005/2006
2006/2007
2007/2008
2008/2009
2009/2010
2010/2011
2011/2012
2012/2013
2013/2014
2014/2015
2015/2016
2016/2017
2017/2018
2018/2019
2019/2020
2020/2021
2021/2022
2022/2023
2023/2024
2024/2025
2025/2026
2026/2027
2027/2028
2028/2029
Campaña
Figura 8.3. Proyección de sorgo.
30% Trigo
Real
% sembrado/superficie total
25%
Estimación
20%
15%
10%
5%
0%
Campaña
Figura 8.4. Proyección de trigo.
0%
5%
10%
15%
20%
25%
30%
0%
2%
4%
6%
8%
10%
2002/2003
2003/2004
2004/2005
2005/2006
2006/2007
2007/2008
2008/2009
2009/2010
2010/2011
2011/2012
2012/2013
2013/2014
2014/2015
Maíz
Girasol
Campaña
Campaña
2015/2016
2016/2017
2017/2018
2018/2019
2019/2020
2020/2021
2021/2022
2022/2023
2023/2024
Real
Estimación 2025/2026
Estimación
2026/2027
2027/2028
2028/2029
Producción de herbicidas formulados a partir de 2,4-D éster
Soja
60%
% sembrado/superficie total
50%
40%
30%
Real
20% Estimación
10%
0%
Campaña
Figura 8.7. Proyección de soja.
En la Tabla 8.2 se presentan los valores históricos y proyectados para el porcentaje de área
sembrada de cada cultivo con relación a la superficie sembrada total de cada año.
Tabla 8.2
Tabla 8.3
Dosis de aplicación de herbicida por cultivo litros/ha. (Cereales, 2018)
Cultivo Dosis
Sorgo 0,79
Trigo 0,73
Girasol 0,72
Maíz 0,83
Soja 0,81
Tabla 8.4
Campaña Cantidad
2018/2019 28.343.236
2019/2020 28.794.184
2020/2021 29.273.395
2021/2022 29.763.823
2022/2023 30.240.111
2023/2024 30.729.006
2024/2025 31.249.026
2025/2026 31.832.610
2026/2027 32.415.919
2027/2028 32.998.743
2028/2029 33.580.867
35
Consumo herbicidas base 2,4-D / millones de litros
30
25
20
15
10 Consumo histórico
Campaña
Figura 8.8. Evolución histórica demanda potencial de herbicidas base 2,4-D y su proyección.
De esta manera, se estima que el mercado potencial de 2,4-D, en Argentina, seguirá una
tendencia al alza en los años venideros, tal como se observa en la Figura 8.8. Sin embargo, se
debe calcular el mercado real de herbicida 2,4-D, con el fin de proyectar la cantidad a vender
por la empresa.
los de 2014 y 2015. Los datos definitivos de importaciones y exportaciones de 2,4-D para los
últimos dos años aún no se encontraban publicados al momento de realizar este análisis.
12
6
Miles de toneladas
0
2006
2007
2008
2009
2010
2011
2012
2013
2014
2015
2016
-3
-6
-9
-12
Al mismo tiempo, se tienen en cuenta otras hipótesis para lograr proyectar la demanda real de
IBE y EHE. En primer lugar, el market share interno entre los distintos herbicidas 2,4-D se
mantiene constante, igualando el comportamiento del mercado. Esta es una hipótesis que, si
bien afecta los valores finales de las proyecciones, en la realidad no presentaría un impacto tan
significativo. Esto se debe a que, una vez concretado el proyecto, Sigma Agro va a tener la
posibilidad de producir todos los productos de herbicidas 2,4-D. Por lo tanto, frente a cualquier
cambio en la demanda esperada, la empresa va a poder adaptarse a los cambios de volúmenes
rápidamente, equilibrando la capacidad ociosa y los picos de demanda con producciones a
fasón.
Por otra parte, la relación entre el IBE y el EHE dentro de los ésteres, va a variar en el tiempo.
Actualmente la relación volumétrica es de 60%–40% con el IBE predominante, pero para el
2025 se espera que la relación se armonice, llegando a 50%–50%. Esta suposición está basada
en que el EHE tiene varios puntos de ventaja por sobre el IBE, pero debido a que es un producto
relativamente nuevo en el mercado y al rechazo por parte de los productores a nuevos insumos,
el EHE todavía se encuentra en su etapa temprana de adopción. Por lo tanto, se espera que su
consumo crezca por sobre el volumen de IBE.
Una vez alcanzado el market share objetivo, el crecimiento imitará la tasa de aumento de
demanda proyectada. Es decir, se proyecta que las ventas crezcan a tasas similares al mercado,
estimadas en el orden de 2% interanual. Es de esperar que una vez alcanzado el objetivo, el
mercado esté más saturado y se dificulte crecer a tasas muy superiores a la media.
Aminas 31.25%
Ésteres 74.40%
Con relación a las sales aminas, se realiza una proyección de la demanda utilizando los mismos
fundamentos que para los ésteres. Se deja asentado en el Anexo III: Proyecciones.
2,000,000 10%
1,800,000
IBE 9%
1,600,000 EHE 8%
50%
1,200,000 6%
48%
1,000,000 47% 5%
45%
800,000 43% 4%
42%
600,000 40% 3%
50% 50% 50% 50% 50%
400,000 52% 2%
55% 53%
58% 57%
200,000 60% 1%
- 0%
Campaña
Figura 8.11. Proyección de crecimiento de las ventas de 2,4-D ésteres de Sigma Agro, la proporción entre ellos
y el market share del mercado total.
En conclusión, se estima que el volumen total de ventas de herbicidas 2,4-D aumente en los
próximos 10 años. Es posible distinguir una primera etapa de crecimiento acelerado, en línea
con lo observado por la empresa en los últimos años, y una segunda etapa más moderada, donde
el crecimiento se mueve en línea con el mercado. Además, la distribución de los market shares
internos de cada producto va a ir variando hasta llegar al equilibro entre los dos productos en
2025, como se puede apreciar en la Figura 8.11.
9. PROYECCIÓN DE PRECIOS
9.1. Metodología
Para analizar la viabilidad financiera del proyecto es fundamental comprender no sólo las
cantidades que el mercado será capaz de consumir, sino también estimar los precios a los cuales
podrán ocurrir las transacciones en el futuro.
Sigma Agro instaló un nuevo software de gestión (ERP) en el año 2014, y en consecuencia
cuenta con información transaccional digitalizada para todas las ventas facturadas a partir de
ese año (precios y cantidades). Asimismo, este año coincide con la estabilización del mercado
argentino de 2,4-D en un nivel en torno a los 20 millones de litros anuales, como fue comentado
anteriormente.
Dado que los agroquímicos se comportan principalmente como un commodity, donde el poder
de diferenciación y la capacidad de fijar un precio por parte de los productores es muy baja, se
utilizarán modelos mean reversion para proyectar los precios futuros. Si bien las series
históricas son relativamente pequeñas para este tipo de análisis, no hay que olvidar que antes
de la campaña 2012/13 el consumo de 2,4-D era mínimo, por lo que aún contando con precios
anteriores a esa fecha podrían no ser representativos del régimen de mercado y las condiciones
de negocios actuales. La hipótesis principal de este modelo es que el promedio de los precios
tiende a un valor de equilibrio en el largo plazo, que microeconómicamente se corresponde con
el costo marginal de producción del producto.
Por otra parte, al tratarse de información transaccional, los datos corresponden a precios y
cantidades reales, transados en el mercado, y no meramente indicativos. Asimismo, se cuenta
con una serie de precios FOB promedio publicados por el Mercosur para los años 2016–2018,
que se utilizarán a modo de referencia para verificar que los precios de Sigma Agro hayan
estado en línea con el mercado sudamericano en ese período, pero no formarán parte del
modelo.
Cabe aclarar que tanto la empresa como los consumidores y proveedores del mercado negocian
y facturan los productos en dólares estadounidenses, y se pagan en esta divisa o activos
equivalentes. Por lo tanto, casi no existe riesgo de volatilidad en el tipo de cambio en la cadena.
Las series de precios se expresarán en esta moneda, deflactada por inflación (U.S. Bureau of
Economic Analysis, 2019), y quedarán expresadas en USD constantes a enero de 2014.
Para utilizar un modelo de mean reversion es necesario validar los siguientes supuestos:
1. Alta correlación serial entre la serie de precios y la serie de precios desfasada un período
(|ρ| > 0,80). Esto significa que el precio anterior (Yt-1) es un buen predictor del precio
actual (Yt), que puede definirse como el precio anterior más un error (Yt = Yt-1 + et-1).
Se aplicará este modelo a la serie de precios de sales aminas (a partir de ventas de DMA) y de
ésteres (a partir de ventas de IBE). También se dispone de datos de ventas de EHE a partir de
2018, cuando Sigma Agro introdujo este producto. Debido a que esta serie es muy corta, y que
de acuerdo con el sector comercial de la empresa y otras fuentes de la industria los precios
entre ésteres y entre aminas casi no varían entre sí, sería correcto utilizar estas dos proyecciones
como representativas de su familia de subproductos de 2,4-D.
Por último, es necesario tener en consideración que, debido al rápido crecimiento de Sigma
Agro en el período analizado, los precios — especialmente al principio — pueden presentar
distorsiones respecto a los precios de venta del resto del mercado. Básicamente, es posible
descomponer la variación de un precio en dos factores:
1. Variaciones por cambios en las condiciones intrínsecas (oferta y demanda) del mercado
en sí.
2. Variaciones por economías de escala, debido al trade-off entre ventas “minoristas” (alto
margen y bajo volumen) y “mayoristas” (menor margen, pero mayor volumen).
Dado que se proyecta una continuidad en el crecimiento de Sigma Agro, que implica mayores
volúmenes de venta en el futuro, se buscará reducir el impacto del segundo factor en el análisis
para concentrarse en el primero. Para ello, como equilibrio de largo plazo no se utilizará el
promedio simple (o lineal) de precios, sino el promedio ponderado por cantidades vendidas,
también conocido como volume-weighted average price (VWAP). El VWAP se calcula como
suma de facturación (precio por cantidad) divido suma de cantidad. De este modo, tendrán
mayor incidencia los precios de transacciones más grandes (generalmente con un precio más
bajo) que los precios donde las cantidades hayan sido menores. En síntesis, esta metodología
permitirá evitar una sobreestimación en la proyección de precios futuros.
Para la proyección de este grupo de formulados se utilizaron las ventas de 2,4-D DMA, el
producto más popular. La serie de precios se construyó a partir de agregaciones mensuales de
las ventas, y se eliminaron los meses sin ventas del producto analizado.
Se verifican los dos supuestos necesarios para aplicar el modelo, con una alta autocorrelación
serial entre los precios (Yt) y las series desfasadas (Yt-n) y una baja autocorrelación entre las
series de precios desfasadas (Yt-n) y los errores (et-n).
En la Tabla 9.1 y Figuras 9.1, 9.2 y 9.3 se pueden observar los valores, proyecciones y
principales características del modelo utilizado.
Tabla 9.1
Estadístico Valor
Promedio lineal USD 2,966
VWAP USD 2,877
Desvío estándar USD 0,474
Coef. de correl. (Yt;Yt-1) 0,888
Coef. de correl. (Yt;Yt-2) 0,834
Coef. de correl. (Yt-1;et-1) 0,185
Coef. de correl. (Yt-2;et-2) 0,188
5 50
4 40
Miles de litros
USD cte./L
3 30
2 20
1 10
0 0
May-14
Sep-14
May-15
Sep-15
May-16
Sep-16
May-17
Sep-17
May-18
Sep-18
May-19
Sep-19
May-20
Sep-20
May-21
Jan-14
Jan-15
Jan-16
Jan-17
Jan-18
Jan-19
Jan-20
Jan-21
Figura 9.1. Modelo mean reversion para los precios de sales aminas a partir de DMA. Se muestran volúmenes y
precios históricos, y proyecciones con un desvío estándar. Se incluye un promedio de precio FOB Mercosur a
modo de referencia.
5 1
Precio mes anterior (USD cte.)
3
0
2
-0.5
1
0 -1
0 1 2 3 4 5 -1 -0.5 0 0.5 1
Precio (USD cte.) Error t-1 (USD cte.)
Figura 9.2. Gráfico de estación de la serie de precios Figura 9.3. Gráfico de dispersión entre los errores de
con su desfasaje en un periodo. uno y dos periodos de desfasajes. Se observa baja
correlación.
Se verifican los dos supuestos necesarios para aplicar el modelo, con una alta autocorrelación
serial entre los precios (Yt) y las series desfasadas (Yt-n) y una baja autocorrelación entre las
series de precios desfasadas (Yt-n) y los errores (et-n).
En la Tabla 9.2 y Figuras 9.4, 9.5 y 9.6 se pueden observar los valores, proyecciones y
principales características del modelo utilizado.
Tabla 9.2
Estadístico Valor
Promedio lineal USD 6,261
VWAP USD 5,343
Desvío estándar USD 0,474
Coef. de correl. (Yt;Yt-1) 0,982
Coef. de correl. (Yt;Yt-2) 0,976
Coef. de correl. (Yt-1;et-1) -0,078
Coef. de correl. (Yt-2;et-2) -0,113
10 200
8 160
Miles de litros
USD cte./L
6 120
4 80
2 40
0 0
May-14
May-15
May-16
May-17
May-18
May-19
May-20
May-21
Sep-14
Sep-15
Sep-16
Sep-17
Sep-18
Sep-19
Sep-20
Jan-14
Jan-15
Jan-16
Jan-17
Jan-18
Jan-19
Jan-20
Jan-21
Vol FOB Mercosur Precio IBE Precio EHE
Proyeccion +σ -σ
Figura 9.4. Modelo mean reversion para los precios ésteres a partir de IBE. Se muestran volúmenes y precios
históricos, y proyecciones con un desvío estándar. Se incluye un promedio de precio FOB Mercosur y los
precios disponibles de EHE, a modo de referencia.
10 0.5
Precio mes anterior (USD cte.)
8
0
Error t-2 (USD cte.)
6
-0.5
4
-1
2
-1.5
0
-1.5 -1 -0.5 0 0.5 1
0 2 4 6 8 10
Precio (USD cte.) Error t-1 (USD cte.)
Figura 9.5. Gráfico de estación de la serie de precios Figura 9.6. Gráfico de dispersión entre los errores de
con su desfasaje en un periodo. uno y dos periodos de desfasajes. Se observa alta
correlación
Tabla 10.1
Proyecciones de precio y demanda real, junto con el market share estimado (USD
constantes base 2014).
12 10%
Facturación proyectada (USD M) 9%
10 8%
5.4 7%
Market share
8 5.2 5.3 5.4
5.1 6%
4.3
6 3.6 5%
3.0 4%
2.5
4 2.1 3%
1.7
5.1 5.2 5.3 5.4 5.4 2%
2 4.1 4.6
2.9 3.3 3.7
2.5 1%
0 0%
Figura 10.1. Proyección de ingresos de Sigma Agro para IBE y EHE luego de la ejecución del proyecto
propuesto (USD constantes base 2014).
CAPÍTULO II:
ESTUDIO DE INGENIERÍA
RESUMEN
En este capítulo, se inicia con la introducción a la síntesis química del 2,4-D éster y el proceso
industrial necesario para su producción. Es así como, en pleno conocimiento del proceso y con
las proyecciones de demanda del capítulo anterior, se realiza un balance de línea que
dimensione las tecnologías necesarias y, así, poder seleccionarlas en función de las ofertas
recibidas.
Posteriormente, se realiza el plan de producción para los 10 años de duración del proyecto.
Sin embargo, al tratarse de una planta de agroquímicos, hay factores regulatorios, de salud y
medio ambiente que no pueden ser obviados.
Dicha reacción se caracteriza por ser reversible, por lo que naturalmente posee un equilibrio
según las concentraciones de reactivos y productos. Este equilibrio puede alcanzarse cuando
aún quedan cantidades considerables de reactivos. Por lo tanto, con el fin de mejorar la
eficiencia se busca desplazar el equilibrio hacia la derecha de la ecuación química, ya sea
mediante exceso de reactivos y/o defecto de productos. La reversibilidad de la reacción también
implica que debe prestarse atención a su cinética, dado que la velocidad a la cual se desenvuelve
varía de acuerdo con cuán cerca se encuentran las concentraciones de cada compuesto respecto
al equilibrio, y en consecuencia alcanzar un equilibrio de alto rendimiento puede demorar
varias horas (San Kong, Aroua, & Raman, 2011) (Mandake, Anekar, & Walke, 2013).
Al igual que casi cualquier síntesis química industrial, la reacción ocurre dentro de un reactor
en condiciones controladas. Este proceso puede llevarse a cabo de forma continua o en batch.
Para los tiempos de reacción y los volúmenes que se plantean producir, es conveniente la
síntesis en batch. Esta elección se explicará en detalle más adelante. Un proceso continuo, en
cambio, es más conveniente cuando los volúmenes son más grandes y los tiempos de reacción
más cortos, ya que implica una inversión varias veces mayor en la infraestructura necesaria.
Como consecuencia de la reacción, se forma agua que debe ser removida para evitar la
hidrólisis del éster (esto es, el proceso inverso, que consiste en la descomposición de un éster
a un alcohol y un ácido). De no hacerlo, el producto final perdería calidad y potencia, y no
cumpliría con las especificaciones necesarias. La hidrólisis tampoco se produce de forma
inmediata, sino que degrada el éster gradualmente mientras está almacenado. Asimismo, la
remoción de agua (uno de los productos) ayuda a desplazar el equilibrio hacia un punto más
favorable. Por lo tanto, se busca eliminar la mayor cantidad de agua posible a medida que se
vaya dando la reacción, agregando al reactor una columna de destilación con una trampa de
agua (se explicará en detalle más adelante). De hecho, una de las formas de conocer
rápidamente el desarrollo de la reacción es a partir de la cantidad de agua generada. Con el
método propuesto sólo queda en el producto final una cantidad despreciable de algunas partes
por millón.
El alcohol utilizado como reactivo debe ser aplicado en exceso, por dos motivos. En primer
lugar, porque favorece el desplazamiento del equilibrio hacia una mayor concentración de
éster. Además, debido a que el ácido reactante en este caso es un polvo, el exceso de alcohol
permite aumentar la superficie de contacto, lo que mejora las condiciones para que la
transformación química efectivamente se dé.
Por otra parte, si se aplica un exceso muy elevado, la mejora en el rendimiento a partir del
corrimiento del equilibrio puede ser marginal. Adicionalmente se consume más espacio en el
reactor, cuya capacidad es limitada, por lo que se producirá menos producto (éster) por batch.
Según lo investigado, un exceso molar de alcohol alrededor del 20% permite un trade-off
óptimo entre las pérdidas en las cantidades de éster sintetizadas y la mejora de condiciones de
la reacción que garanticen una alta calidad y tiempos razonables.
Ecuación 11.2. Esterificación de 2,4-D 2-etilhexil éster a partir de 2,4-D ácido con 2-etilhexanol. En el ejemplo
se utiliza PTSA como catalizador.
Al haberse producido con exceso de alcohol, al finalizar la reacción se debe buscar separar
dicho exceso del éster sintetizado. De esta forma además permite recuperar el alcohol que no
reaccionó para ser utilizado como reactivo en un próximo batch. Este proceso, denominado
“recuperación de solvente”, típicamente se realiza mediante una destilación en vacío. Al
disminuir la presión, también disminuye el punto de ebullición de cada componente, de acuerdo
con su diagrama de fases. Esto permite la destilación fraccionada de los mismos, que son
condensados y almacenados en un tanque intermedio para su reutilización posterior.
Dado que el alcohol es más liviano que el éster, se buscará solamente evaporar el primero. Para
ello, primero es necesario enfriar el reactor a temperatura ambiente. Si esto se omite, a la
temperatura en que se encuentran los fluidos, y ante la aplicación de vacío, ambos se
evaporarían, pero sólo se busca la evaporación del alcohol en exceso. Hecho esto, queda el
éster en el reactor en estado líquido para poder ser bombeado a un tanque de asentamiento,
donde se deja reposar el fluido para que decante el ácido 2,4-D remanente de la reacción. Este
ácido no puede reutilizarse, debido a que se encuentra contaminado con pequeñas cantidades
de alcohol, éster y catalizador, por lo que debe descartarse.
Luego, puede almacenarse el éster en un pulmón intermedio para ser formulado. Una vez
vaciado el reactor, puede ser utilizado para un próximo batch.
En la Figura 12.1 se puede observar el diagrama de bloques del proceso, con las entradas, las
salidas y la realimentación. A lo largo de esta sección se explicará cada uno de los procesos
involucrados para la síntesis y formulación de herbicidas a partir de 2,4-D ácido.
Los alcoholes se importan y se reciben en tanques IBC, que son descargados y bombeados a
tanques para cada materia prima. El ácido 2,4-D también se importa y se recibe en big bags,
que son almacenados hasta su uso. Si bien este producto es muy estable en términos químicos,
el polvo es higroscópico por lo que se debe tomar recaudos en cuanto a la humedad del
ambiente. En definitiva, esto no cambia las propiedades del ácido para la síntesis, pero la
cristalización en grandes bloques dificulta la manipulación del polvo, aumenta el tiempo de
disolución en el alcohol y puede dañar el mecanismo de agitación del reactor.
Los emulgentes principalmente también se importan, pero debido a las bajas cantidades se
almacenan tal cual como vienen de origen, generalmente en tanques IBC, como se muestran
en la Figura 12.3. El biodiésel se compra localmente, pero sí se almacena en tanques.
elevadas que puedan darse en el galpón de almacenamiento durante el verano. Sin embargo,
solo con situar los productos considerados de mayor riesgo en parte inferior de la estantería ya
alcanzaría para que propiedades no se vean afectadas. Con respecto al tiempo de
almacenamiento, todos los productos pueden estar en stock por más de 1 año, siempre que se
mantengan las condiciones comentadas. Así, y dada la rotación que maneja Sigma, este aspecto
no toma relevancia en el manejo del inventario.
12.2 Esterificación
El siguiente paso es la esterificación del ácido 2,4-D con el alcohol correspondiente, para la
formación de IBE y EHE. Para esto se introduce el alcohol correspondiente en exceso, el
catalizador necesario, se empieza a circular aceite caliente por la camisa y gradualmente se
agrega el ácido 2,4-D en polvo. El mismo no puede agregarse muy bruscamente, ya que
demasiado material sólido puede dañar el agitador del reactor. Una vez alcanzada la
temperatura objetivo de 140 ºC (90–100 minutos después), y a medida que se desarrolla la
reacción, el agua generada se evapora hacia la columna de destilación, donde es condensada y
retenida en la trampa de agua para eliminarla del proceso. Parte del alcohol también se
evaporará, pero al tener una temperatura de condensación más baja que la del agua, se enfriará
y condensará una vez pasada la trampa de agua. Al no utilizar ningún elemento que retenga el
alcohol condensado, el mismo precipitará nuevamente dentro del reactor, generando la
recirculación del mismo.
Una vez alcanzado el equilibrio deseado, cuando más el 99% del ácido ya reaccionó y los
controles de calidad validan el producto, se da por finalizada la reacción. Se conecta la bomba
de vacío para comenzar la etapa de recuperación del alcohol en exceso a muy baja presión. El
alcohol comenzará a evaporarse antes que el éster (nuevamente, debido a que es más volátil),
se condensará en la torre de destilación y se eliminará a un tanque auxiliar para su posterior
reutilización en otro batch. Cuando se elimina todo el alcohol, el único producto resultante en
el reactor será el éster, que se procede a bombear a su tanque de almacenamiento
correspondiente.
12.3 Formulación
Para el proceso de formulación se bombea en un tanque el éster correspondiente, junto con las
cantidades de biodiésel y emulgentes necesarias para cada producto. El tanque de formulación,
como podría ser el de la Figura 12.4, cuenta con un mezclador para homogeneizar el producto
final. Luego de aproximadamente tres horas de mezclado, a temperatura ambiente, el producto
ya se encuentra terminado y listo para su fraccionamiento. Dependiendo del plan de
producción, se puede bombear a un tanque pulmón intermedio, o proceder directamente con el
envasado.
12.4 Envasado
El último proceso para obtener el producto final es el envasado. Existen dos alternativas para
llevar a cabo esta etapa: envasado manual o envasado automático, utilizando una envasadora
industrial que no requiere intervención por parte de los operarios. Si bien esta tecnología puede
ser más eficiente, para los volúmenes manejados, la necesidad de tener completamente asiladas
las dos líneas de IBE y EHE (para prevenir efectos de contaminación cruzada, como se
explicará más adelante) hace poco práctica su adopción. En este escenario sería necesario tener
dos máquinas idénticas, de modo que el grado de aprovechamiento sería muy bajo. Si en el
futuro la demanda de alguno de los productos aumenta más que lo proyectado, puede reverse
este cálculo.
Los bidones poseen una capacidad total de 21,5 litros, pero se llenan hasta 20 litros por
cuestiones de seguridad. La Figura 12.5 muestra un bidón de producto agroquímico, ya llenado,
con su sellado de seguridad colocado. Una vez envasados, los productos se conforman en
pallets de 48 bidones (4x4x3), y se estiban para su despacho o almacenamiento, como se
observa en la Figura 12.6.
Figura 12.5. Bidón listo para despachar mostrando el Figura 12.6. Zona de almacenamiento de producto
sellado de seguridad. terminado.
A diferencia de otras variedades de 2,4-D, como las sales aminas, los formulados de ésteres no
son solubles en agua. Por el contrario, la presencia de agua produce la hidrólisis del éster,
degradando progresivamente sus propiedades químicas. En consecuencia, se utilizan otros
solventes orgánicos, como biodiésel, que permiten almacenar de forma segura el producto
terminado por largos períodos de tiempo.
Sin embargo, a la hora de aplicar el producto sobre cultivos, se diluye el formulado concentrado
con agua, en un agitador. Se busca crear una suspensión homogénea, por lo que la
inmiscibilidad de los ésteres, entonces, es problemática. Para ello, en la etapa de formulación
se introducen pequeñas cantidades de emulgentes, cuya función es generar gotas más pequeñas,
más homogéneas, y que se mantengan en suspensión por más tiempo. El solvente utilizado para
los formulados también influye en las características de la suspensión. De hecho, una de las
formas de medir la calidad del formulado es a partir del tiempo que tarda la suspensión en
cortarse. Sigma Agro garantiza que, en un lapso de dos horas, la separación de la fase éster
formará una capa con un espesor menor a 2 mm.
En la Figura 13.1 se observa una muestra de laboratorio de tres probetas con (a) emulsión de
ácido 2,4-D EHE en agua, (b) el producto formulado (como lo vende la empresa), sin disolver,
y (c) una solución de ácido 2,4-D DMA en agua.
Figura 13.1. De izquierda a derecha: (a) emulsión de 2,4-D EHE en agua, lista para aplicar; (b) 2,4-D éster
formulado sin disolver, solución de (c) 2,4-D DMA en agua.
Si la mezcla aplicada no es homogénea, puede suceder que algunas zonas del cultivo se
“quemen” más que otras, ya que habrá partes con mayor concentración del herbicida que otras.
Los ésteres de 2,4-D se caracterizan por su fuerte acción foliar. Para una aplicación efectiva,
se busca que las gotas sean pequeñas, pero al mismo tiempo “mojen” una gran superficie de la
hoja de la planta. Para que esto sea posible la tensión superficial debe ser considerablemente
más baja que el agua. La elección del solvente y de los emulgentes debe tomar este efecto en
consideración, si bien también es posible utilizar coadyuvantes para lograr tal fin.
El uso de biodiésel como solvente presenta numerosas ventajas frente a otros solventes
tradicionales, como petroquímicos (Petrelli, Siepi, Miligi, & Vineis, 1993) (Kanthavelkumaran
& Seenikannan, 2012):
Es biodegradable
No tóxico para animales y humanos
No es cancerígeno
Tensión superficial aproximadamente 2–3 veces menor al agua (30 mN/m)
(Thangaraja, Anand, & Pramod, 2016)
Suspensiones de nanopartículas estables para los tiempos de aplicación (propiedad que
también se busca, por ejemplo, para el diseño de biocombustibles) (Abdalla, Reem, &
Pizzi, 2017).
Más allá de la calidad del producto formulado en sí, no debe dejarse de tener en cuenta las
características necesarias de los envases para su seguro transporte y manipulación. Los mismos
son fabricados mediante soplado de polímeros como polietileno de alta densidad (HDPE) o
mediante procesos de coextrusión (COEX) que permiten crear un producto de múltiples capas.
Estos plásticos son inertes con el contenido de los formulados.
Asimismo, si bien la capacidad nominal de cada bidón es de 20 litros, la capacidad real debe
ser un 5–10% mayor. Esto se debe a cuestiones de seguridad en el transporte, ya que, si el
envase recibe golpes, movimientos bruscos, o cambios de temperatura, si hubiera muy poco
aire pueden explotar las tapas por los cambios en la presión. Los bidones utilizados por Sigma
Agro tienen una capacidad total de 21,5 litros. Además, se aplica un sellado de seguridad con
una lámina de aluminio. En Argentina, la Ley 27.279 regula la gestión de envases vacíos de
agroquímicos, por parte de quien los haya aplicado.
Sigma Agro, al contar con una amplia cartera de productos, posee instalaciones con la
capacidad de producir varios de ellos al mismo tiempo. Esta característica es común en la
fabricación de fitosanitarios, por lo que se debe hacer énfasis en el riesgo de contaminación
cruzada asociado.
Como método de prevención se toman varias medidas a lo largo de todo el proceso productivo,
las cuales involucran buenas prácticas de la industria. La política que se decide llevar a cabo
para prevenir el problema de raíz es limitar cada línea de producción a un único producto. Esto
quiere decir que tanto el IBE y el EHE serán sintetizados y formulados en reactores y agitadores
separados y destinados únicamente para el producto en cuestión.
Si bien los costos asociados a un menor grado de aprovechamiento de las máquinas que
componen cada etapa del proceso pueden ser altos, las pérdidas asociadas a este problema
pueden ser aún mayores. Un sustento firme para adoptar esta política es la complejidad que
implica el lavado del reactor, formulador y cañerías para utilizarlos con un producto distinto al
que venía circulando. En caso de querer cambiar el producto es necesario, además de realizar
un triple lavado, tomar muestras y certificar que efectivamente las máquinas y tuberías están
libres de contaminación. Dicha certificación sólo se puede realizar internamente en la planta
por técnicos químicos capacitados, y cuenta con carácter de declaración jurada. Este proceso
de lavado consume mano de obra, tiempo y recursos materiales que la empresa no está
dispuesta a utilizar, ya que el problema es prevenible si se toman los recaudos necesarios. De
acuerdo con la empresa, la producción debe pausarse hasta dos días completos para garantizar
que la limpieza fue correctamente realizada.
Entre las tecnologías primarias se reconocen: el reactor, el servicio de calor, frío, vacío, y
destilación. Para ellos se analizan diferentes proveedores y se los selecciona mediante el
desarrollo de una matriz de selección.
Entre las complementarias se destacan: las bombas, tanques, formulador, y P&ID. En cuanto
al proceso de formulación, también se la incluye dentro de las tecnologías complementarias
dado que no es el foco del presente proyecto.
15.1 Reactor
Los reactores químicos son equipos dentro de los cuales ocurre una reacción química y son
diseñados para maximizar su eficiencia o grado de conversión. Se pueden distinguir tres tipos
de reactores: por batch, de flujo continuo y tipo pistón. En las figuras 15.1 y 15.2 se observa
un esquema de un reactor básico con agitador y una fotografía de un montaje en producción.
A continuación, se evalúan las principales ventajas y desventajas de cada uno de ellos (Dr.
Nanda, 2018).
reactor suele tener un agitador y deflectores para optimizar la dinámica de los fluidos,
homogeneizando el contenido lo máximo posible. También pueden tener sistemas de burbujeo,
bombas y camisas externas para la transmisión de calor, entre otros.
Las principales ventajas son que es adecuado para la producción en baja escala (menos de
60.000 litros por lote) y que cuentan con una gran flexibilidad de utilización. Pueden realizarse
reacciones de todo tipo ya sean orgánicas (como la síntesis de 2,4-D éster) o inorgánicas. Por
último, su uso se destaca entre reacciones de larga duración.
La principal desventaja consiste en que se debe esperar a que finalice de forma completa la
reacción antes de retirar los productos. No son recomendables en procesos a gran escala.
Por otro lado, el bajo costo trae consigo una alta complejidad de operación y grandes
inversiones iniciales. La situación teórica comparada a la real varía mucho en este tipo de
reactores debido a la diferencia que existe entre una mezcla ideal y lo que finalmente ocurre
dentro del reactor.
La principal ventaja es la alta eficiencia del sistema, pero es poco económico para lotes
pequeños. Son ideales cuando se requiere alta transferencia de calor.
Se puede resumir los tres tipos de reactores analizados en la Tabla 15.1 a continuación.
Tabla 15.1
Se concluye que, para el caso de Sigma Agro, el reactor más adecuado es el de tipo batch. La
escala se encuentra dentro del rango aceptable y la reacción de esterificación tiene una larga
duración, como se explicó en apartados anteriores. Además, requieren una inversión inicial
más baja, y son los más sencillos de operar: dado que la empresa no cuenta con experiencia
con este tipo de procesos industriales, es un buen punto de partida.
Por lo tanto, se debe optar por una alternativa superadora como los reactores vidriados. Estos
también cuentan con su estructura principal fabricada a partir de acero, pero están recubiertos
de forma interna con una capa de vidrio que evita el accionar del ácido sobre el reactor. Se
puede ver la apariencia del interior de un reactor vidriado en la Figura 15.5.
En otras palabras, la combinación de ambos materiales trae consigo sus ventajas características:
la resistencia estructural y mecánica del acero, junto con la resistencia química del vidrio.
Figura 15.6. Esquema del sistema de suministro de calor a un reactor con camisa
El otro sistema que puede ser empleado es incorporar una serpentina o barras (resistencias
eléctricas) sumergidas directamente en la mezcla, como se observa en la Figura 15.7.
Utilizando este método no hace falta contar con un material refrigerante como mencionamos
con anterioridad al aceite o al agua. En principio este sistema solo sirve para calentar la mezcla
y no resulta apto para el proceso en cuestión debido a la corrosión provocada por la exposición
de partes metálicas con la solución. Por lo que esta opción es descartada (Ablaze Chemical
Process Systems, s.f.).
15.1.6 Agitador
En el interior del tanque hay un agitador cuyo fin es el de favorecer la reacción química. Es
accionado por un motor y, dependiendo de las características requeridas por el proceso, se
ajustan sus revoluciones por minuto.
Existe una gran variedad de agitadores de los cuales elegir. En la Figura 15.8 se muestra un
conjunto de diferentes sistemas de agitación. Se centrará el análisis en los tres más utilizados
en la industria química: los de paletas, ancla y hélice, que se encuentran esquematizados en las
Figuras 15.9, 15.10 y 15.11, respectivamente.
Los agitadores de tipo paleta son considerados los más tradicionales. Están diseñados para
obtener un flujo laminar uniforme. Los de tipo ancla buscan el mayor alcance en el reactor, y
son ideales si hay presencia de sólidos. Finalmente, las hélices agitan de forma axial al fluido.
En la reacción de esterificación una gran cantidad del reactivo se encuentra en forma sólida.
Por eso la mejor opción a implementar en los reactores de Sigma Agro son los de forma en
ancla. Con los mismos se pueden reducir problemas por presencia de sólidos y obtener un
mezclado adecuado para que la reacción ocurra de forma eficiente.
Figura 15.9. Agitador tipo paleta Figura 15.10. Agitador tipo ancla Figura 15.11. Agitados tipo hélice
15.1.7 Servicios
A su vez, el reactor debe contar con una serie de aberturas en su parte superior que actúan como
entradas o salidas de los diferentes complementos que necesita la operación, entre los que se
pueden encontrar:
Manómetro
La Figura 15.12 muestra una sección transversal de un reactor, donde se observan las diferentes
conexiones a los servicios.
Se debe tener en cuenta que un reactor grande es difícil de operar e implica mayores riesgos:
no sólo es más difícil mantener acotadas las variables del rango de operación (como
temperatura y presión), sino que cualquier falla puede implicar la pérdida de un lote mayor, e
incluso representar un alto riesgo de seguridad si se trata de compuestos químicos inflamables
o explosivos. Sigma no cuenta con experiencia en procesos de síntesis por lo que se buscará un
balance entre capacidad y facilidad de operación. Esto significa, descartar reactores mayores a
10.000 litros de capacidad.
Se toma el año de mayor demanda, el 2029, para el dimensionamiento del reactor. En base a la
ecuación estequiométrica, rendimientos y eficiencias se llega al requerimiento diario necesario.
Estos datos se encuentran plasmados en la Tabla 15.2
Tabla 15.2
IBE EHE
Demanda anual PT 940.294 940.294 litros de formulado
Días de producción 198 198 días
Demanda diaria PT 4.749 4.749 litros de formulado/día
Requerimiento diario síntesis 4.629 4.247 litros/día.
En base a los requerimientos diarios de síntesis se estimó el aprovechamiento para los
diferentes tamaños de reactores disponibles en el mercado. La capacidad anunciada no es la
capacidad real, esta última es menor debido al volumen de seguridad que se requiere dejar
vacío.
En las Tablas 15.3 y 15.4 se presentan para ambos productos los resultados obtenidos. Se
incluye el volumen anunciado, la capacidad real del reactor, la cantidad de reactores necesarios
para cubrir los requerimientos diarios de síntesis y el grado de aprovechamiento.
Tabla 15.3
Tabla 15.4
Realizando un balance entre la poca experiencia de Sigma en este tipo de procesos y los
resultados cuantitativos, se decide trabajar con dos reactores de 6.300 litros. Estos aportan un
alto grado de aprovechamiento pero también permiten un margen de crecimiento en caso de
que la producción supere las expectativas.
Se decidió descartar las opciones de menor tamaño debido a que la flexibilidad que aportan
viene acompañada de una compleja instalación y operación. Por ejemplo, para utilizar reactores
de 3.000 litros serían necesarios 4 de estos en total. Cada uno de ellos requiere de diferentes
servicios (frío, calor, vacío, entre otros). Las tuberías y herramental necesario para operar todos
ellos en paralelo sería altamente compleja.
Factores obligatorios
Para la elección del proveedor, se establecerán las siguientes cualidades obligatorias que deben
cumplir:
Factores deseables
Para seleccionar un proveedor por sobre el otro, en caso de que sus ofertas superen el filtro de
los factores obligatorios, se utilizarán los siguientes factores deseables: el costo del equipo, la
reputación del vendedor, el lead time de entrega y la duración de la garantía.
El costo del reactor será el factor de decisión más importante de los cuatro dado que tiene un
impacto directo en la rentabilidad del proyecto, cuestión que se considerará en todo el proceso
de selección de tecnologías. La reputación del vendedor será otro factor relevante en la decisión
dado que es el artefacto con mayor injerencia en el proceso y resulta necesario asegurar la
respuesta y confiabilidad del proveedor. Finalmente, el lead time de entrega y extensión de la
garantía se comportan como factores complementarios en el proceso de decisión. Así es que
resulta la siguiente ponderación de factores:
Matriz de selección
Antes de plantear la matriz de selección para el reactor vidriado, se presentan los siguientes
proveedores posibles con sus respectivas características:
a. Origen: China
b. Costo CIF - Buenos Aires: 12.200 USD/Set
c. Reputación: 3
d. Lead time: 60 días
e. Garantía: 1 año
B. Liaoning Huaying Engineered Products Co. (a partir de ahora llamada “empresa B”):
a. Origen: China
b. Costo CIF - Buenos Aires: 14.460 USD/Set
c. Reputación: 7
d. Lead time: 90 días
e. Garantía: 1 año
C. Wuxi Naipaul Machinery Manufacturing Co. (a partir de ahora llamada “empresa C”):
a. Origen: China
b. Costo CIF - Buenos Aires: 28.790 USD/Set
c. Reputación: 8
d. Lead time: 120 días
e. Garantía: 1 año
Cabe destacar que la reputación del oferente se determina según las certificaciones que tenga
y la escala de calificación de la página de internet Alibaba (Alibaba, s.f.), referente en el mundo
de las transacciones industriales. Por otra parte, se requirió a los proveedores la cotización del
costo CIF dado que el reactor es el instrumento de mayor fragilidad del proceso y se busca
contar con el seguro cubierto hasta el puerto de Buenos Aires.
Al tener un lead time mayor a los 60 días, la empresa C queda descartada en el nivel de los
factores obligatorios de selección. Entonces, prosiguiendo con el análisis de los factores
deseables para las empresas A y B, resultó que la segunda obtuvo un mayor puntaje. Si bien
presenta un costo y lead time mayores al de la primera empresa, es su mayor reputación la que
lleva a optar por ella.
15.2 Calor
Se utiliza un calentador para calentar el aceite que circula por la camisa del reactor. Dado que
Sigma Agro S.A. no cuenta con acceso a una red de gas natural en su planta de Mercedes, se
recurre a un equipo eléctrico, con resistencias que calientan el aceite circulante.
El aceite, impulsado por una bomba, crea un flujo continuo entre el tanque del calentador y la
camisa del reactor. Se forma un circuito cerrado en el que el fluido sale caliente de la caldera
y retorna a una menor temperatura, habiendo realizado la transferencia energética hacia el
contenido del tanque del reactor (Wattco, s.f.). Este proceso se representa en la Figura 15.15.
15.2.1 Dimensionamiento
Para el dimensionamiento del calentador se debe conocer el fluido de trabajo, temperatura de
operación, la cantidad de calor requerida por el reactor y su tasa de transferencia, que depende
en parte de las características del reactor, pero también de restricciones de la reacción que se
lleva a cabo en él.
En primer lugar, el fluido de trabajo será aceite mineral, el más común en este tipo de
aplicaciones. El mismo se puede calentar de forma segura hasta 180 ºC, lo que permitirá
alcanzar sin dificultades la temperatura objetivo de 140 ºC.
El siguiente paso consiste en calcular la energía que debe transferirse al reactor. Para ello, se
modelará la transferencia en dos pasos: una primera etapa de calentamiento, donde se llevan
los reactivos desde temperatura ambiente (20 ºC) hasta la temperatura objetivo (140 ºC); y una
segunda etapa, donde se debe aplicar calor para compensar las pérdidas del reactor y mantener
constante la temperatura.
La cantidad de calor total de la primera etapa puede aproximarse mediante la Ecuación 15.1.
𝑄 = 𝛥𝑇 · ∑ 𝑚𝑖 · 𝐶𝑝𝑖
𝑖
Se conocen las masas y calores específicos (𝐶𝑝 ) de los componentes en el reactor (alcoholes y
ácido 2,4-D). Los calores específicos del 1-butanol y 2-etilhexanol son muy similares si se
expresan por unidad de masa y se corrigen por los volúmenes de cada uno utilizados por batch,
por lo que no hay grandes diferencias entre los reactores para cada uno de los alcoholes. Se
tomará para estos cálculos la esterificación del 2-etilhexanol, que es ligeramente más
demandante. Al resolver la ecuación anterior se obtiene un total de 1.644 MJ a transferir al
reactor.
A partir de este valor se debe calcular la potencia del calentador, que dependerá del tiempo en
que se busque llegar al objetivo. Si bien menor tiempo implicaría menor tiempo total de
reacción, no hay que olvidar que se trata de un reactor vidriado, por lo que el gradiente térmico
no debe ser muy elevado. Además, es aconsejable que la temperatura sea homogénea para toda
la mezcla, efecto que se consigue mediante un calentamiento más lento. Se pudo consultar que
un tiempo de calentamiento de 90 a 100 minutos es razonable, lo que arroja una potencia
máxima en torno a 300 kW. Este valor es un promedio, pero debe tenerse en cuenta que la
transferencia es más alta al principio debido a que la diferencia de temperatura entre el aceite
y el reactor será mayor. Sin embargo, también es posible controlar el caudal de aceite (por
ejemplo, mediante PLC) para compensar este efecto, y no afectar drásticamente la temperatura
del aceite ni sobrecargar el calentador. La Ecuación 15.2. permite conocer el tiempo teórico en
que se alcanza la temperatura objetivo, conociendo la superficie ( 𝐴 ) y el coeficiente de
ln(𝑇1 − 𝑇𝑎𝑚𝑏 ) 1
𝑡= · ∑ 𝑚𝑖 · 𝐶𝑝𝑖
ln(𝑇1 − 𝑇̅2 ) 𝐴 · 𝑈
𝑖
En segundo lugar, se debe calcular las pérdidas de la segunda etapa estacionaria. Las mismas
se pueden aproximar a partir de la Ecuación 15.3, que devuelve una potencia.
𝑄̇ = 𝑈 · 𝐴 · (𝑇1 − 𝑇𝑎𝑚𝑏 )
Utilizando los mismos parámetros que en las ecuaciones anteriores se obtienen pérdidas en el
estado estacionario por 70,3 kW. Por lo tanto, la capacidad total del calentador debe estar en
torno a 370 kW, de modo de poder calentar el reactor dimensionado en menos de 100 minutos.
En la práctica, sin embargo, es posible que este valor sea menor, dado que durante la etapa de
calentamiento las pérdidas son menores a 70 kW cuando la temperatura del reactor aún sea
baja. Esto puede permitir un abaratamiento del calentador, pero se utilizará este valor para los
cálculos subsiguientes ya que se trata de una cota superior razonable.
300
Potencia (kW)
90
250
75
200
60
150
45
30 100
15 50
0 0
0 15 30 45 60 75 90 105 120 135 150
Tiempo (min)
Figura 15.16. Curva de calentamiento (eje izquierdo) y potencia requerida (eje derecho).
Según el dimensionamiento realizado, se requiere una caldera de una potencia de 370 kW,
implicando 300 kW para alcanzar la temperatura deseada y 70 kW para mantenerla durante la
síntesis, compensando las pérdidas. Cabe destacar que el contar con una caldera de una
potencia superior brinda flexibilidad para una eventual expansión, por lo que será un factor a
considerar como deseable.
Factores obligatorios
Para la elección del proveedor, se establecerán las siguientes cualidades obligatorias que deben
cumplir:
Factores deseables
Para seleccionar un proveedor por sobre el otro, en caso de que sus ofertas superen el filtro de
los factores obligatorios, se utilizarán los siguientes factores deseables: el costo y potencia de
la caldera, la reputación del vendedor y su lead time.
Se asigna el mismo peso tanto al costo como a la potencia del equipo. El primero, como se
comentó previamente, tiene un impacto directo en la rentabilidad del proyecto mientras que el
segundo tiene injerencia en los tiempos y capacidad de calentamiento. Con respecto a la
reputación del vendedor, se asigna una ponderación menor que a la del rector al ser un equipo
más simple y menos sofisticado. Finalmente, se le dará un carácter complementario al lead
time que ofrezca el proveedor. Así es como resultan los siguientes factores de ponderación:
Matriz de selección
Antes de plantear la matriz de selección para la caldera, se presentan los siguientes proveedores
posibles, con sus respectivas características:
a. Origen: China
b. Costo FOB: 11.300 USD/Set
c. Potencia: 450 kW
d. Reputación: 7
e. Lead time: 40 días
B. Yancheng Innovation Alloy Electric Heater Co. (a partir de ahora llamada “empresa
B”):
a. Origen: China
b. Costo FOB: 10.000 USD/Set
c. Potencia: 500 kW
d. Reputación: 4
e. Lead time: 30 días
a. Origen: China
b. Costo FOB: 9.850 USD/Set
c. Potencia: 420 kW
d. Reputación: 8
e. Lead time: 40 días
15.3 Frío
El dispositivo utilizado para enfriar el aceite que circula en la camisa es un intercambiador de
calor. Contrariamente al calentador eléctrico, su objetivo es reducir la temperatura del interior
del reactor vidriado al final del proceso de síntesis. (Ingeniero Marino, s.f.)
Su principio de funcionamiento es sencillo: mientras por una placa circula fluido caliente, por
la inmediatamente contigua circula el frío a contraflujo. Esto puede observarse en la Figura
15.18.
En los sistemas en los que la diferencia entre los fluidos es considerable, el de mayor presión
circula por los tubos, mientras que el restante por la carcasa.
A modo de resumen, se presenta la Tabla 15.5 con ventajas y desventajas de cada tipo de
intercambiador de calor (Arrieta & Mendoza, 2017):
Tabla 15.5
Para enfriar aceite, el tipo de intercambiador de calor más recomendado es el de placas. Sus
ventajas lo diferencian de sus competidores, utilizando agua como líquido refrigerante. El
proceso de selección será realizado para este tipo de intercambiadores.
15.3.6 Dimensionamiento
Se busca enfriar el contenido de reactor a temperatura ambiente (25 ºC), para poder realizar
correctamente la destilación en vacío como se explicó anteriormente. Para dimensionar el
intercambiador de calor necesario, se asumirán las condiciones más demandantes: el aceite se
enfría desde 140 ºC hasta 25 ºC, y no hay pérdidas. En la práctica, puede suceder que se
recircule parte del aceite que no haya sido calentado (entonces la temperatura inicial es
ligeramente menor, aunque al pasar por el reactor caliente absorbería más energía), y además
las pérdidas del reactor jugarían a favor, especialmente al principio cuando la temperatura de
este es mayor.
En el caso del agua que se utilizará para refrigerar el aceite, asumiremos que puede enfriarse
desde 60 ºC a 20 ºC mediante una torre de enfriamiento, valores razonables en la industria
(Lenntech B.V., 2019).
Con estos datos es posible calcular la diferencia de temperatura media logarítmica, según la
Ecuación 15.4.
𝛥𝑇𝑎𝑐𝑒𝑖𝑡𝑒 − 𝛥𝑇𝑎𝑔𝑢𝑎
𝐿𝑀𝑇𝐷 =
𝛥𝑇
ln( 𝑎𝑐𝑒𝑖𝑡𝑒 )
𝛥𝑇𝑎𝑔𝑢𝑎
Este cálculo arroja un valor de 71,0 ºC. Con este dato es posible calcular la potencia específica
del intercambiador de calor, a partir de la Ecuación 15.5.
𝑄̇
= 𝑈𝑖𝑛𝑡𝑒𝑟𝑐𝑎𝑚𝑏𝑖𝑎𝑑𝑜𝑟 · 𝐿𝑀𝑇𝐷
𝐴𝑝𝑙𝑎𝑐𝑎𝑠
potencia total del reactor, lo que permitirá enfriar más rápido el aceite con menos caudal de
agua. Por otra parte, un intercambiador grande puede ser muy costoso y elevar demasiado la
temperatura del agua, que luego no podría ser enfriada totalmente por la torre de enfriamiento,
y causando demasiadas pérdidas por vapor (es decir, caudal de agua que se debe reponer). El
dimensionamiento de la torre de enfriamiento quedará enteramente sujeto a las características
finales del intercambiador de calor; se buscará optimizar la eficiencia y la inversión inicial de
todo el sistema que provea el servicio de enfriamiento.
Factores obligatorios
Para la elección del proveedor, se establecerán las siguientes cualidades obligatorias que deben
cumplir:
Factores deseables
En el caso del intercambiador de calor, se dejará el costo del producto de lado, realizando una
selección de carácter cualitativo entre proveedores. Esto se debe a que no se cuenta con una
gran exigencia en el tiempo de enfriamiento. Un intercambiador más grande requerirá una torre
más grande, por lo que los costos se podrían elevar de sobremanera. En este caso, se podría
recircular más veces el agua por la torre y el aceite por el intercambiador.
Se realizará una comparativa de costos medios de los proveedores, para productos de similares
características. En cuanto a los factores de decisión, se considerarán: la reputación del
vendedor, el lead time y el costo medio del proveedor. En este caso, el costo será el factor
menos importante en la decisión, por lo expuesto previamente. Es así como la reputación del
vendedor cobra mayor relevancia y un mayor peso en el proceso. Finalmente, el lead time
tendrá un peso medio en la decisión.
La selección final se realizará al evaluar el costo de las diferentes alternativas ofrecidas por los
proveedores.
Matriz de selección
Antes de plantear la matriz de selección para el intercambiador de calor de placas, se presentan
los siguientes proveedores posibles, con sus respectivas características. En cuanto al costo, se
asignará un puntaje de acuerdo con la comparativa entre productos similares del proveedor. Se
toma como referencia un intercambiador de calor de 100 placas, con una superficie de contacto
de 400 m2:
A. Liaoning Success Thermal Technology Co. (a partir de ahora llamada “empresa A”):
a. Origen: China
b. Costo FOB: 5
c. Reputación: 9
d. Lead time: 30 días
a. Origen: China
b. Costo FOB: 8
c. Reputación: 4
d. Lead time: 30 días
Como resultado del análisis de selección, se determina que en esta instancia resulta elegida la
empresa A, haciendo énfasis en que será revisado al obtener ofertas concretas.
Las torres de enfriamiento se utilizan para enfriar agua en grandes volúmenes a fin de
aprovecharla como fuente fría en otros procesos industriales, como es el caso del
En las torres de tiro inducido, las más comunes del mercado, el agua caliente ingresa a la torre
por su parte media-alta, siendo pulverizada. El aire ambiente lo hace través de sus aberturas
inferiores. Un ventilador, ubicado en la parte superior, actúa succionando el aire y generando
una corriente ascendente. Entre la entrada de agua y aire, hay una zona conocida como
superficie de intercambio, hecha de PVC generalmente.
Factores obligatorios
Para la elección del proveedor, se establecerán las siguientes cualidades obligatorias que deben
cumplir:
Factores deseables
Siendo este caso similar al del condensador de grafito, se realizará una comparativa de costos
medios de los proveedores, para productos de similares características:
La selección final se realizará al evaluar el costo de las diferentes alternativas ofrecidas por los
proveedores.
A. Xinxiang Juahui FRP Enviromental Equipment Co. (a partir de ahora llamada “empresa
A”):
a. Origen: China
b. Costo FOB: 6
c. Reputación: 7
d. Lead time: 30 días
Como resultado del análisis de selección, que se resume en la Figura 15.23, se determina que
en esta instancia resulta elegida la empresa B, haciendo énfasis en que será revisado al obtener
ofertas concretas.
15.5 Vacío
La bomba de vacío es un instrumento utilizado para extraer gases del interior de un recipiente,
redes de tuberías o de cualquier proceso, a fin de reducir la presión a niveles por debajo de la
atmosférica. Los principales tipos de bombas son de paletas, de membrana o diafragma, y anillo
líquido.
Los principales tipos de bombas de vacío son la bomba de membrana o diafragma (que será
explicada más adelante) y la bomba de anillo líquido.
15.5.2 Dimensionamiento
El vacío que requiere el proceso de recuperación de solvente no es extremadamente exigente,
sino que se busca disminuir la presión lo suficiente para que comience a evaporarse el alcohol
en exceso remanente en el reactor. En consecuencia, se estimará una caída de presión desde
presión atmosférica (1 bar) hasta 1 mbar. En manuales y tablas de bombas de vacío suele
expresarse la caída de presión mediante un factor de bombeo (pump-down factor), que no es
más que el logaritmo del cociente de presiones. En este caso, el cálculo devuelve un factor de
6,91 ≈ 7 (Vac Aero International, Inc., 2019).
El volumen de aire a bombear es igual a la diferencia capacidad total del reactor (6.300 L) y el
volumen de líquido remanente en el reactor al finalizar la reacción. Nuevamente, la síntesis
con 1-butanol y 2-etilhexanol tiene valores muy similares, pero se utilizará el caso del 1-butanol
dado que el volumen generado de éster es ligeramente menor. En este caso la diferencia
corresponde a un volumen libre de 1.595 litros. Además, se considerará un volumen adicional
de 300 L en concepto de la torre de destilación, tuberías, y accesorios, totalizando
aproximadamente 1.900 litros.
La Ecuación 15.6 muestra la equivalencia entre el caudal de una bomba de vacío y el tiempo
total de aspiración, para las condiciones establecidas anteriormente.
𝑉 𝑃𝑖 𝑉
𝑡= ln ( ) = 𝑓
𝑄̇ 𝑃𝑓 𝑄̇
Ecuación 15.6. Tiempo de aspiración de una bomba de vacío, en función del volumen (V), caudal (Q) y factor de
bombeo (f) (Pfeiffer, 2019).
A partir de la ecuación anterior puede graficarse la curva de diseño de la bomba necesaria, que
se muestra en la Figura 15.25. Se observa que los tiempos de aspiración son relativamente bajos
para los tiempos totales del proceso. Es posible elegir cualquier equipo a lo largo de la curva;
a mayor caudal, la bomba será más grande y costosa, pero permitirá generar las condiciones de
vacío más rápidamente.
18
16
Tiempo de desalojo (min)
14
12
10
8
6
4
2
0
50 60 70 80 90 100 110 120 130 140 150 160 170 180 190 200
Caudal (m3/h)
Figura 15.25. Curva de tiempo de desalojo en función del caudal de la bomba de vacío.
Factores obligatorios
Para la elección del proveedor, se establecerán las siguientes cualidades obligatorias que deben
cumplir:
Factores deseables
Para seleccionar un proveedor por sobre el otro, en caso de que sus ofertas superen el filtro de
los factores obligatorios, se utilizarán los siguientes factores deseables:
Matriz de selección
Antes de plantear la matriz de selección para la bomba de vacío, se presentan los siguientes
proveedores posibles, con sus respectivas características:
A. Liaoning Weijieer International Trading Co. (a partir de ahora llamada “empresa A”):
a. Origen: China
b. Costo FOB: 1.800 USD/Set
c. Flujo: 145 m3/h
d. Reputación: 8
e. Lead time: 30 días
a. Origen: China
b. Costo FOB: 2.500 USD/Set
Como resultado del análisis de selección, se determina que el proveedor elegido es la empresa
B. Cabe aclarar que todos los cálculos del dimensionamiento corresponden a un reactor. Si bien
es posible utilizar una única bomba para ambos procesos simultáneamente, es conveniente
adquirir un equipo adicional en caso de que alguna falle.
15.6 Destilación
La destilación es un proceso a través del cual se separan dos o más sustancias, aprovechando
sus diferentes temperaturas de volatilización. Se calienta un líquido hasta que sus componentes
más volátiles pasan a fase vapor y, a continuación, se los enfría para volverlos al estado líquido,
pero separados.
En la primera etapa, el vapor entra, el agua condensa cuando se enfría a 100 °C (ingresa a
presión atmosférica, prácticamente), siendo retenida en una trampa de agua. Se recupera el
alcohol restante en un tanque, listo para ser utilizado en el próximo batch de producción.
El agua destilada contiene pequeñas cantidades ácido 2,4-D, el cual debe será considerado en
la etapa de tratamiento de efluentes. Dada su naturaleza corrosiva para una gran cantidad de
materiales, el condensador debe ser capaz de resistir su acción química. Es en este aspecto que
se destaca el condensador de grafito, por su amplio rango y alto nivel de resistencia a la
corrosión. Tolera ácidos, disolventes, cloruros y otros compuestos halogenados.
En su interior, está formado por numerosas capas de grafito, con las aberturas necesarias para
que circule el vapor a través suyo y, al encontrarse con una temperatura menor al punto de
ebullición, condensará y escapará por su correspondiente salida (Flowproen, s.f.). Se muestran
diferentes partes de un destilador de grafito en la Figura 15.27.
Factores obligatorios
Para la elección del proveedor, se establecerán las siguientes cualidades obligatorias que deben
cumplir:
Factores deseables
Para seleccionar un proveedor por sobre el otro, en caso de que sus ofertas superen el filtro de
los factores obligatorios, se utilizarán los siguientes factores deseables: costo del condensador,
área de contacto, reputación del proveedor y lead time.
En este caso, el costo del producto será el que reciba el mayor peso en la decisión, dado su
impacto en la rentabilidad del proyecto, como se menciona con anterioridad. Por otro lado, el
área de contacto entre el flujo de vapor y las placas del condensador será el siguiente factor en
su escala de relevancia dado que impacta directamente en la eficiencia del proceso. A su vez,
a fin de asegurar la confiabilidad y respuesta del proveedor, se le dará una importancia similar.
Finalmente, el lead time será un factor complementario en la decisión. Así es que resulta la
siguiente ponderación de factores deseables:
Matriz de selección
Antes de plantear la matriz de selección para el condensador de grafito, se presentan los
siguientes proveedores posibles, con sus respectivas características:
A. Weihai Newera Chemical Machinery CO. (a partir de ahora llamada “empresa A”):
a. Origen: China
b. Costo FOB: 15.400 USS/Set
c. Área de contacto: 50 m2
d. Reputación: 6
e. Lead time: 30 días
B. Shanghai Xinqiu Environmental Sci-Tech Co. (a partir de ahora llamada “empresa B”):
a. Origen: China
b. Costo FOB: 16.000 USS/Set
c. Área de contacto: 50 m2
d. Reputación: 10
e. Lead time: 30 días
15.7 Bombas
Las bombas sirven para transformar la energía con la que es accionada en energía hidráulica,
con el fin de mover fluidos a través de una cañería. Existen variados tipos de bombas, con sus
respectivas características que las vuelven más o menos aptas para determinados procesos. A
continuación, se exponen los principales tipos de bombas que se utilizarán en el proceso con
sus principios de funcionamiento (Industrias BJT C.A., 2018).
Tienen como ventajas principales un flujo continuo, capacidad para grandes caudales, fácil
regulación de la presión requerida variando la velocidad angular del impulsor. Las principales
desventajas son que son sensibles al fenómeno de surge, fenómeno de cavitación del fluido y
que no alcanzan altos cambios de presión por etapa, por lo que se requieren muchas etapas a
fin de conseguir presiones altas (Bombas de agua tech, s.f.).
A modo de resumen, se presenta la Tabla 15.6 con ventajas y desventajas de las diferentes
bombas:
Tabla 15.6
Descripción de la tabla
- Versátiles
- Pocas piezas móviles, durables
- Libres de lubricación
Ventajas - Fácil ajuste de caudal
- Funcionamiento en seco
- No requiere válvula de seguridad
- Simple mantenimiento
Cabe mencionar que se suele contar con dos bombas por cada estación, a fines de tener un
repuesto y que no frene la producción en caso de que una falle o se le deba efectuar un proceso
de mantenimiento preventivo.
En el caso de las bombas cuyo objetivo sea trasladar fluidos, no se realiza el análisis de
selección, dado que se podrán adquirir de los mismos proveedores que el resto de la maquinaria,
o mismo ser adquiridas a proveedores locales.
15.8 Tanques
Los tanques utilizados para almacenar materias primas, productos en proceso y productos
terminados, en estado líquido se detallan a continuación. El dimensionamiento de cada uno de
ellos fue realizado en base al plan de producción.
Marca: MILENIOS
Línea: Milenios
Modelo: 14-100
Orientación: Vertical
Capacidad máxima: 10.000 L
Marca: MILENIOS
Línea: Milenios
Modelo: 2-60
Orientación: Vertical
Capacidad máxima: 6.000 L
Capacidad en volumen: 6.000 L
Altura: 306 cm
Ancho: 161 cm
Profundidad: 161 cm
Materiales de la estructura: Ac- Inox 304
Marca: MILENIOS
Línea: Milenios
Modelo: HOME500
Orientación: Vertical
Capacidad máxima: 500 L
Capacidad en volumen: 500 L
Altura: 78 cm
Ancho: 97 cm
Profundidad: 97 cm
Materiales de la estructura: Ac- Inox 304
Se eligieron todos los tanques de una misma marca, Milenios, ya que simplificaba la elección
de las válvulas necesarias, su implementación y su eventual reemplazo. Se muestra un ejemplo
en la Figura 15.31. Todos los tanques requieren una válvula de entrada, una de salida, y el
mismo material (acero inoxidable). Se diferencian únicamente en sus capacidades. Las piletas
de contención se implementan para algunos de los tanques, pero su instalación es independiente
del tipo de tanque elegido (se explica con mayor profundidad más adelante).
15.9 Formulación
Esta etapa del proceso, como ya se explicó anteriormente, consiste en introducir el éster, el
biodiesel y el emulgente en un tanque con agitador. Aquí estos productos se mezclan por
aproximadamente tres horas a temperatura ambiente hasta que se adquieren las características
deseadas.
Este dispositivo, a veces también llamado reactor de formulación, es mucho más sencillo que
el reactor químico donde se realiza la síntesis, como se desprende de la Figura 15.32. Esta etapa
del proceso no posee ningún requerimiento técnico especial que dificulte su adquisición.
Se estima la cantidad promedio de pallets que se debe transportar por día, en función del
promedio diario, sobre una base de 198 días laborales. En un pallet caben 48 bidones de
producto terminado o materia prima, y un big bag de ácido 2,4-D. Es así, que para el primer
año, se estiman una cantidad de 16 pallets a cargar/descargar por día, conformados por 8 de
producto terminado y 8 de materias primas.
Sin embargo, dado que la dinámica de las importaciones y despachos indica que no se realizan
de manera estable y que el promedio es una manera relativamente vaga de calcular
requerimientos de transporte, se estima que el contar con dos autoelevadores es lo más
adecuado. Si bien se proyecta que cuenten con capacidad ociosa, es necesario que se brinde
respuesta efectiva en el caso de una avería, o poder operar en sincronía despachos y recepciones
en caso de ocurrir.
Se comienza con el sistema para cargar el ácido 2,4-D a los reactores. La tarea se realiza a
través de la boca de hombre. Para llegar a la misma se utilizan dos grúas colgadas de forma
permanente sobre rieles, como se muestra en la Figura 15.33 a continuación.
Recordamos que, una vez finalizada la reacción, el éster se dirige un tanque de asentamiento,
para luego ser bombeado a los tanques finales donde son puestos a disposición de la etapa de
formulación. Esto puede verse en la Figura 15.35.
Además del éster, también se obtiene agua como producto de la reacción. Esta tiene que ser
retirada a medida que se genera para evitar la hidrólisis. En la Figura 15.36 se muestra el
sistema que cumple esta tarea.
En cuanto a los servicios, encontramos por un lado al sistema de calor, que consiste en un
calentador eléctrico con una bomba que hace circular aceite caliente a través de la camisa,
como se ve en la Figura 15.37.
Por otra parte, el sistema de frío se compone de un intercambiador de calor y una torre de
refrigeración. Aquí también se cuenta con bombas para hacer circular el aceite por la camisa
de los reactores, pero esta vez con el objetivo de extraer calor de la reacción. Se muestra un
diagrama en la Figura 15.38.
En la etapa final de destilación es necesario aplicar vacío. Para esto se trabaja con una bomba
de vacío conectada al reactor, como se observa en la Figura 15.39.
Si juntamos todos los aspectos presentados anteriormente, obtenemos un diagrama del sistema
completo, representado en la Figura 15.40.
Tabla 15.7
En el caso de las máquinas, el lead time y tiempo de instalación se deben acordar directamente
con los respectivos proveedores. En cuanto al registro de SENASA, se considera lead time al
tiempo requerido para realizar el trámite de habilitación. Por otra parte, para la construcción de
naves y galpones solo se considera el tiempo de instalación, fijado en 8 meses. Considerando
esto se procede a realizar un diagrama de Gantt (Figura 15.41), que muestra el tiempo de inicio
del proyecto y los tiempos límites para el pedido de maquinarias a fin de iniciar operaciones
en el primer día del 2020.
Tabla 16.1
Tabla 16.2
En el caso del IBE, los resultados obtenidos se plasman en las Tablas 16.3 y 16.4. Nuevamente
el reactor alcanza su máxima capacidad en los reactivos.
Tabla 16.3
Tabla 16.4
Por lo tanto, por cada batch de EHE se obtiene 4.268,22 litros y en el de IBE 4346,57 litros.
Independientemente del éster que se esté sintetizando, el tiempo de reacción es de 8 horas como
base. Este tiempo puede verse afectado por la experiencia de los operarios con el proceso.
Como se verá más adelante, existe una curva de aprendizaje que afecta al rendimiento.
Vale la pena recordar que el producto final consiste en envasar la solución proveniente de la
formulación de uno de los ésteres junto a biodiesel y emulsionantes, estos últimos en baja
cantidad. Por lo tanto, en el balance de línea se debe determinar las entradas y salidas de los
procesos de envasado, formulación y síntesis.
Tabla 16.5
Tabla 16.6
Tabla 16.7
Continuando con las necesidades de síntesis, los dos productos fabricados cuentan con estrictas
normas del SENASA por lo que deben estar registrados. Parte del requerimiento es indicar
exactamente la composición del producto. Para el EHE, se indica que la concentración de éster
etilhexilico del ácido 2,4-D es de 89 gramos cada 100 cm3 (Figura 16.2) Mientras que para el
IBE se indica 97 gramos de éster butílico del ácido 2,4-D por cada 100 cm3 (Figura 16.3).
Además, se debe informar el equivalente en ácido 2,4-D dado que éste es el que realmente
aporta el efecto terapéutico sobre el cultivo. Vemos que en el caso del IBE es mayor que el de
EHE. Esto quiere decir que su proceso de síntesis debería involucrar mayor cantidad de este
reactivo, situación que se confirma con el cálculo del batch por reactor realizado previamente.
En las Tablas 16.8 y 16.9 se puede encontrar más información acerca de la composición.
Tabla 16.8
Característica EHE
Tabla 16.9
Característica IBE
Con esta información se puede calcular las necesidades de síntesis de los ésteres, que se muestra
en las Tablas 16.10 y 16.11.
Tabla 16.10
Tabla 16.11
Tabla 16.12
Tabla 16.13
En el caso de los reactores, los rendimientos son altamente dependientes de la experiencia que
tienen los operarios con un proceso de tal magnitud. Sigma Agro nunca ha realizado la síntesis
de sus productos químicos dentro de sus instalaciones, por lo que la mejor manera de realizar
una estimación de su desempeño es aplicando una curva de aprendizaje. Dicha curva puede
interpretarse como una eficiencia en el proceso de síntesis, no en términos de material (es decir,
desperdicios), sino en términos de tiempo (se ralentiza el proceso hasta que los operarios y
supervisores adquieren la experiencia necesaria). Se muestran los valores planteados en la
Tabla 16.14 y la Figura 16.4.
Tabla 16.14
Año Rendimiento
2020 80,00%
2021 90,00%
2022 95,00%
2023 98,00%
2024 98,50%
2025 98,75%
2026 98,75%
2027 98,75%
2028 98,75%
2029 98,75%
100%
95%
90%
85%
80%
75%
70%
2020 2021 2022 2023 2024 2025 2026 2027 2028 2029
Los valores teóricos para los reactores se originan del cálculo previo del proceso batch. A
diferencia del proceso de síntesis, Sigma Agro cuenta con gran experiencia en la formulación
de agroquímicos. Por lo que en este proceso su rendimiento es alto.
A modo de ejemplo se muestran los resultados del último año proyectado con mayor demanda,
el 2029, en la Tabla 16.15. Se puede identificar a los reactores como cuello de botella del
proceso. El resto de los años se encuentran disponibles en el Anexo V: Plan de producción.
Tabla 16.15
Actualmente, la distribución de los productos finales, desde la planta de producción hasta los
cinco depósitos, se terceriza. La compañía contrata a una empresa de logística que se encarga
del transporte mediante el uso de camiones. La carga y descarga de los mismos se realizan
dentro de la planta y depósitos de Sigma, que se encarga de realizarlas con sus autoelevadores.
Este sistema de logística externa no se verá afectado por la realización del presente proyecto.
Cabe aclarar que tanto el EHE como el IBE forman parte de una gran matriz de productos que
comercializa la compañía, por lo que no tiene sentido analizar la logística del proyecto de forma
independiente. La distribución de los productos terminados seguirá en manos de la empresa
responsable actualmente. En los años venideros sí se espera un incremento en el volumen de
ventas por parte de Sigma Agro, pero se validó con la compañía transportista que no exceda su
capacidad. A modo de corolario, Sigma Agro se encuentra conforme con el nivel de servicio
provisto por dicha compañía desde su asociación.
Tabla 17.1
Mes Participación
Enero 6,29%
Febrero 3,11%
Marzo 6,44%
Abril 6,37%
Mayo 9,37%
Junio 9,61%
Julio 9,28%
Agosto 9,96%
Septiembre 9,93%
Octubre 9,96%
Noviembre 9,84%
Diciembre 9,84%
Basado en histórico de productos 2,4-D
Se identifican dos principales períodos, uno de baja y otro de alta demanda. La baja temporada
es de enero a abril y la alta temporada de mayo a diciembre, ambos con una demanda mensual
relativamente estable dentro su grupo. Una vez obtenida esta información se puede combinar
con las proyecciones de demanda anuales desde el 2020 al 2029, y asumiendo que se
mantendrán aproximadamente constantes, calcular un plan detallado de producción.
Algunos factores importantes a tener en cuenta son que se toman 198 días hábiles laborales,
dato corroborado con la información histórica de la empresa. Además, dos días al mes se
dedican exclusivamente al mantenimiento de equipos. Esto incluye inspección, limpieza y
reemplazo de partes. Para esta área del negocio Sigma Agro no suele producir en febrero por
vacaciones, por lo que no fueron considerados para el plan.
A modo de ejemplo se incluye el cronograma para el primer año del EHE y el IBE en las Tablas
17.2 y 17.3 (resto de los años disponibles en el Anexo V: Plan de producción). En este caso no
se cuenta con stock inicial entonces es necesario producir más para compensarlo.
Tabla 17.2
Tabla 17.3
La columna de mayor relevancia es la cantidad de procesos batch a realizar cada mes. Los
tiempos de reacción son largos por lo que, trabajando un turno, solo se puede realizar un
proceso batch al día. En caso de que la cantidad de batches necesarios supere los días hábiles
disponibles por mes (en promedio 18 días) no se lograría cubrir la producción necesaria. Sin
embargo, con la planificación y capacidad instalada no habría inconvenientes para el período
2020 - 2029.
El máximo número de batches alcanzados por tipo de éster, es de 15 al mes, por lo que aún
queda espacio para aumentar la producción (por mes es posible realizar 18 batches, uno por día
de cada tipo de producto). La operación de cada uno de los reactores requiere de un equipo de
3 personas. Sin embargo, para optimizar recursos es posible trabajar con solo un equipo hasta
la mitad del año tres, cuando la demanda obliga a realizar más de 18 batches por mes en
conjunto. Por ejemplo, al principio se podría trabajar una semana en el reactor de EHE y otra
semana en el de IBE y de todas formas alcanzar la cuota mensual necesaria.
A partir de ese momento, es necesario contar con dos equipos, uno para cada reactor. Se
considera un tiempo de entrenamiento necesario de 6 meses. Por lo que a partir del comienzo
del año 3 (año calendario 2022) habría dos equipos trabajando en conjunto.
Un punto que vale la pena mencionar es que se optimizó el modelo para contar con un stock
de seguridad superior a un desvío estándar de acuerdo con la variación mes a mes de las ventas
históricas de Sigma para este tipo de producto (calculado para cada año individualmente). Los
desvíos se muestran en las Tablas 17.4 y 17.5.
Tabla 17.4
Año SS (L) 1σ
2020 988
2021 1.187
2022 1.418
2023 1.686
2024 2.001
2025 2.376
2026 2.420
2027 2.465
2028 2.509
2029 2.553
Tabla 17.5
Año SS (L) 1σ
2020 1.385
2021 1.553
2022 1.733
2023 1.928
2024 2.140
2025 2.376
2026 2.420
2027 2.465
2028 2.509
2029 2.553
40,000
35,000
30,000
25,000
Litros
20,000
15,000
10,000
5,000
0
Mes
04-2020
08-2020
12-2020
04-2021
08-2021
12-2021
04-2022
08-2022
12-2022
04-2023
08-2023
12-2023
04-2024
08-2024
12-2024
04-2025
08-2025
12-2025
04-2026
08-2026
12-2026
04-2027
08-2027
12-2027
04-2028
08-2028
12-2028
04-2029
08-2029
Stock Seguridad
40,000
35,000
30,000
25,000
Litros
20,000
15,000
10,000
5,000
0
Mes
04-2020
08-2020
12-2020
04-2021
08-2021
12-2021
04-2022
08-2022
12-2022
04-2023
08-2023
12-2023
04-2024
08-2024
12-2024
04-2025
08-2025
12-2025
04-2026
08-2026
12-2026
04-2027
08-2027
12-2027
04-2028
08-2028
12-2028
04-2029
08-2029
Stock Seguridad
Los picos más altos que se observan en los gráficos corresponden al stock en enero. Como en
febrero no se formula producto, es necesario fabricar las ventas de ese mes con anterioridad.
Hay varios métodos distintos de purificación del agua contaminada, que se diferencian
principalmente por el tiempo de proceso requerido, nivel de remoción del contaminante, costo
del proceso y su dificultad de implementación. En el Anexo VI: Tratamiento de efluentes se
puede encontrar una tabla comparativa con los principales métodos de remoción del 2,4-D
ácido de efluentes líquidos.
Los tratamientos se pueden dividir en dos categorías principales: los procesos destructivos, y
los no destructivos. Los procesos destructivos son procesos que no alteran de forma permanente
las propiedades físicas y químicas del material que se remueve. En contraposición los procesos
no destructivos son los que no lo alteran. Se aclara también que es una posibilidad implementar
combinaciones de estos tratamientos para obtener los resultados requeridos.
Las principales opciones para el tratamiento incluyen degradación fotocatalítica, remoción por
adsorción, procesos biológicos, y Photo-Fenton.
El método de remoción por adsorción utiliza paredes simples de nanotubos de carbono como
material de adsorción. Se pueden utilizar también paredes simples de carbono, pero la forma
de nanotubos incrementa la eficiencia debido a una mayor superficie de contacto con el agua.
Los principales factores que afectan el ritmo del proceso son: el tipo y dosis del adsorbente,
tiempo de contacto, concentración inicial y el pH del medio. Este método es muy utilizado en
el tratamiento de agua contaminada con ácido 2,4-D debido a su alto porcentaje de remoción,
aproximadamente 98%, su bajo costo y su fácil instalación. (Michigan, 2019)
Se opta por la tecnología de remoción por adsorción debido a su gran eficiencia y bajo costo,
utilizando nanotubos de carbono en una columna de adsorción.
Pisos: Los pisos deben ser impermeables y resistentes al ataque de productos químicos,
debe presentar un declive de como mínimo 1%y ser construidos y mantenidos de
manera de contener y controlar los derrames y el agua resultante del control del fuego.
Techos: Deben estar en buenas condiciones y libres de infiltraciones. Sus paredes
perimetrales deben prolongarse hacia arriba como mínimo 0,5m a partir del techo, a
modo se cortafuego.
Paredes: Deben ser de materiales no combustibles, e impermeabilizadas hasta la altura
de contención de derrames.
Ventanas: En el depósito deben estar preferentemente sobre la altura de la cabeza
(1,80m) y poseer malla de 8 mm en su composición, no debe ser posible su apertura y
deben evitar el ingreso de personas no habilitadas.
Puertas: Deben ser robustas para brindar protección al depósito. Deben tener al menos
RF 90, y misma resistencia al fuego que la pared. Las de los medios de escape deben
ser de doble contacto y cierre automático.
Control de derrame: Se debe dar contención para evitar el flujo de fitosanitarios en
condiciones de emergencia hacia áreas construidas adyacentes, propiedades o recursos
naturales. Se puede observar un ejemplo en la Figura 18.1.
Drenaje: El derrame y el agua resultante del control del fuego debe ser contenido dentro
de las instalaciones o dirigido a un sistema de drenaje exterior, a un tanque de
almacenamiento secundario. Este sistema debe ser independiente del drenaje de aguas
pluviales y cloacales. La capacidad del sistema debe ser diseñado para cumplir con lo
siguiente:
Figura 18.1. Ejemplo de pileta de contención para tanques pulmón dentro de Sigma Agro.
Ventilación
El sistema de ventilación debe mantener, como mínimo seis cambios de aire por hora,
y que la concentración de fitosanitario esté por debajo del límite aceptado de exposición
humana. El sistema de ventilación del depósito puede ser por Ventilación Natural o
Mecánica siempre que se respeten los cambios de aire propuestos.
Las aberturas para entrada y salida del aire se deben ubicar para proveer, en la medida
de lo posible, de movimiento de aire en todas las porciones del suelo para prevenir la
acumulación de vapores tóxicos o inflamables. El aire debe ser extraído al exterior del
depósito sin que recircule.
Instalaciones eléctricas
Las instalaciones eléctricas se deben regir de acuerdo con la reglamentación vigente
para la ejecución de instalaciones eléctricas en inmuebles.
El panel de control general de la instalación debe estar fuera del edificio, debe ser de
fácil acceso y estar correctamente identificado.
Se debe disponer de pararrayos y puesta a tierra. Se debe presentar un informe anual de
su estado, y si hubiera maquinaria medición de continuidad.
Iluminación
El depósito debe disponer, en todo momento, de suficiente luz (natural / artificial) para
desarrollar las tareas. Anualmente se debe verificar el cumplimiento del Protocolo para
la Medición de la Iluminación en el Ambiente Laboral. (Resolución 84/2012 de la SRT)
Gestión de productos
Se debe documentar en un procedimiento las operaciones de carga, descarga y manejo
de productos en los depósitos.
Se debe conservar una copia de las hojas de seguridad de todos los productos
almacenados en el depósito fuera del mismo.
Productos vencidos o impropios para usar. Se debe documentar un procedimiento para
aquellos productos vencidos, como aquellos fuera de especificación o con el envase
dañado. Para evitar la generación de esta clase de productos se debe respetar la regla
FIFO.
Derrame de envases Los envases dañados o con derrame deben ser inmediatamente
tratados sobre-envasándolos o re-empaquetándolos u otros métodos apropiados. Los
materiales sobre-envasados deben ser aislados y almacenados hasta su disposición final
de acuerdo con las instrucciones del fabricante.
Disposición: Los materiales contaminados con fitosanitarios deben ser eliminados o
descontaminados de acuerdo con las especificaciones nacionales, provinciales o
municipales y de acuerdo con las instrucciones del fabricante.
Todos los productos deben estar registrados en SENASA y contar con sus etiquetas
legibles y en buen estado.
Todos los productos deben ser trazables a su proveedor/cliente inmediato.
Capacitación
En forma anual se debe elaborar un Programa de Capacitación, por medio del cual se
debe brindar a todo el personal información y entrenamiento para el desarrollo seguro
y confiable de su tarea, sobre los riesgos que ella conlleva y sobre la respuesta ante
emergencias.
Las personas responsables de la operación y mantenimiento de las zonas de
almacenamiento deben ser capacitadas en el riesgo químico y físico.
Las personas responsables de la operación y mantenimiento de las aéreas en que los
fitosanitarios son almacenados deben ser entrenadas para entender la secuencia de
mitigación y acciones de protección necesarias para contener y controlar los derrames
de productos.
Se debe asentar en una planilla de capacitación al personal respecto de los riesgos
inherentes a su actividad. Los coordinadores de emergencia deben ser entrenados de
acuerdo con los requerimientos para la persona a cargo.
Almacenamiento de fitosanitarios
Se debe disponer de un plano de almacenamiento del depósito indicando la ubicación
de cada grupo de productos almacenados.
Requerimientos de separación. Los fitosanitarios deben estar separados por una pared
impermeable de las áreas en que se encuentren los alimentos y materiales en contacto
con personas como ser vestimentas, telas, muebles, semillas, o productos veterinarios
u otros enseres en general.
Separación de materiales incompatibles (por toxicidad, inflamabilidad y características
de sus residuos). Los materiales incompatibles no deben ser almacenados a menos de
7,6 m del área de almacenamiento de pesticidas salvo que estén separados por una pared
impermeable con una resistencia al fuego de 60 minutos.
Los elementos utilizados para acopio y estiba de los productos en el depósito deben ser
preferiblemente de material no inflamable, anticorrosivos e impermeables. Deben ser
de fácil limpieza.
Las estibas deben separarse de las paredes como mínimo 0,5m, y del techo y sus
luminarias como mínimo 1 m.
Ubicación del almacenamiento de fitosanitarios Los fitosanitarios deben ser
almacenados solo en una planta baja.
Los fitosanitarios deben ser almacenados de manera de evitar el contacto dañino con
humedad, calor excesivo o temperaturas extremas que pueden afectar tanto la integridad
del envase o la estabilidad del producto.
Los envases deben apilarse de manera estable.
Los envases vacíos de fitosanitarios deben ser tratados como envases llenos. No deben
ser reutilizados para ningún fin. Deben ser eliminados previo triple lavado.
Respuesta a incidentes
Deben estar visibles los números telefónicos de emergencias, hospital, cuerpo de
bomberos y policía.
Deben estar visibles tanto un plano de evacuación como el rol de incendios.
Deben elaborarse tanto un plan de respuesta a emergencias como un plan de gestión de
materiales peligrosos.
Se debe designar a un coordinador del plan de respuesta a emergencias. El coordinador
debe ser responsable de la implementación del plan y de la relación con los organismos
externos.
El equipo y los materiales para llevar adelante el plan de emergencias deben estar
disponibles y accesibles. Como parte del equipo de emergencia se debe disponer de
camillas para el personal accidentado.
Se debe realizar un simulacro de emergencias en forma semestral.
Se debe informar a la autoridad competente en el caso de un incidente de derrame de
cantidad considerable.
El riesgo es la posibilidad de algo suceda. Los EPP nos protegen contra las enfermedades
profesionales y disminuyen los riesgos, minimizando las consecuencias de los accidentes.
Existen varios factores adversos al uso de EPP, incorrecta selección, incorrecto uso del equipo,
mantenimiento eficiente del equipo o desinformación sobre su utilización. A continuación, se
detalla la clasificación de los EPP en la Tabla 18.1.
Tabla 18.1
Golpes
Cabeza Casco
Diferentes temperaturas
Protectores de copa
Oídos Ruido ambiental
Tapones auditivos
Proyección de partículas
Ojos Antiparras y anteojos Salpicaduras
Gases nocivos
Deslumbramiento
Rostro Máscaras faciales Rayos intensos
Chispas y calor
Diferentes temperaturas
Contacto con químicos
Manos Guantes
Electrocuciones
Elementos punzocortantes
Una vez conocidos los EPP, se describirán en profundidad aquellos utilizados por los
empleados de Sigma Agro en la producción de EHE e IBE, según la Tabla 18.2.
Tabla 18.2
Zona de carga y
Elemento de protección Derrame Limpieza
descarga
Ropa de trabajo X X X
Calzado de seguridad X X X
Guantes X X X
Casco X X X
Lentes de seguridad X X X
Barbijo X
Máscara X
Protección auditiva X
Clasificación
Por su grado de peligrosidad: Toxicidad, inflamabilidad y reactividad (Figura 18.10)
Identificación
Para que los riesgos sean comunicados, se requiere que se identifiquen los químicos tanto por
sus nombres como por los peligros que presentan. La identificación se realiza por medio de:
Hojas de seguridad
Etiquetas de advertencia
Placas
19. LOCALIZACIÓN
La localización de la planta productiva es uno de los factores más relevantes a determinar en
un proyecto de inversión. Esto se debe a su dificultosa y costosa alteración.
Es así como la decisión de dónde ubicar la fábrica se compone tanto de un factor oportunista,
constituido por la posibilidad de compra de un terreno, como por uno analítico, fundado en
factores cualitativos y cuantitativos.
El estudio se basa en un camino de lo macro hacia lo micro, pasando por tres niveles de decisión
de ubicación: nacional, regional y emplazamiento definitivo.
Figura 19.1. Localización actual de planta formuladora de Sigma Agro. (Google Maps, s.f.)
Con motivo del estudio de factibilidad de la ampliación de la línea de 2,4-D éster, se evaluará
la conveniencia de mudar la planta a otra ubicación o la permanencia en el lugar actual.
En el largo plazo y ante la existencia de un mercado internacional para los productos de Sigma,
se podrá evaluar la posibilidad de mudar la planta a algún otro país.
Este estudio abarca aspectos cualitativos y cuantitativos que brindarán soporte a la decisión
tomada. Es así como requiere la previa definición de los factores a ser evaluados.
La metodología de análisis consiste en ubicar posibles regiones en las cuales ubicar la planta,
filtrarlas según los factores obligatorios y priorizarlas según la ponderación de los factores
deseables en una matriz de selección, obteniendo soporte cuantitativo para la decisión final.
Factores obligatorios:
Infraestructura industrial
Para favorecer toda operación logística de entrada y salida de material de la planta, se requiere
de rutas adecuadas y pavimentadas.
La maquinaria que utiliza Sigma Agro en su operación se alimenta con energía eléctrica, por
lo que se necesita una zona que cuente con una red de abastecimiento apta para el
emplazamiento de una industria.
Habilitación legal
Como se introdujo en el marco normativo que rodea a los ésteres de 2,4-D, existen zonas del
país en las cuales está prohibido su uso y aplicación.
Factores deseables:
Costo de transporte de insumos y producto terminado
Se le dará mayor prioridad a una zona que minimice los costos de transporte entre las entradas
y salidas de la fábrica.
Sigma Agro cuenta con un químico encargado de control de calidad, supervisión e I+D. Así
también, con operarios para diferentes partes del proceso. Se buscará una zona con una
población de al menos 20 veces la dotación requerida, en la cercanía de la planta. Dado que la
cantidad de operarios de Sigma es reducida, no se comportará como un factor obligatorio de
decisión.
Confiabilidad de servicios
Densidad poblacional
Preferentemente, las plantas productoras de agroquímicos deben ubicarse en zonas con una
baja densidad poblacional, en un terreno alejado de la localidad seleccionada. Esto se debe al
peligro de algún accidente químico, potencial explosión o dispersión de efluentes nocivos para
las personas.
Asimismo, dentro de los factores de decisión deseables, se le dará mayor ponderación al costo
de transporte, dado que es el que cuenta con mayor sensibilidad al cambio de ubicación de la
planta. Más aún, Argentina es un país extenso con elevados costos de transporte y los clientes
de Sigma Agro se encuentran dispersos geográficamente. Si además se considera que el
producto a comercializar es muy sensible al precio, cualquier costo que se agregue puede
afectar fuertemente la rentabilidad del proyecto.
A fin de acotar las posibles áreas en las cuales emplazar la fábrica, la metodología de análisis
propuesta consiste en encontrar el punto óptimo de ubicación de la planta en función del costo
de transporte de ingresos y egresos, ponderando cada uno por su volumen. Una vez obtenida,
se procederá a encontrar las localidades/ciudades cercanas al punto y ahora sí, filtrarlas según
los factores de decisión obligatorios y priorizarlas según los deseables.
En caso de que ninguna de las áreas cercanas cumpla con los requerimientos necesarios, se
dejará de lado esta metodología de análisis y se procederá a una de mayor carácter cualitativo.
19.3.3 Transporte
Básicamente, existen cuatro modalidades de transporte que podrían utilizarse en Argentina:
terrestre, fluvial, aéreo, y ferroviario. Debido a que el producto es voluminoso y de bajo valor
agregado por unidad de masa, la modalidad aérea puede descartarse rápidamente dado que sería
imposible de solventar. El transporte ferroviario es poco confiable y demora muchos días,
además que requiere un volumen muy grande para ser viable (como ocurre, por ejemplo, con
productos a granel como granos). El transporte fluvial podría ser una alternativa para los
clientes en el norte del país. Sin embargo, dado que en general será necesaria una última etapa
por tierra, y que las distancias para que esta modalidad presente una reducción de costos
significativa (por ejemplo, comercio exterior entre Buenos Aires y Paraguay), se descartará en
un primer análisis. El transporte terrestre, si bien para grandes distancias es más costoso, es el
que presenta mayor flexibilidad y no requiere volúmenes muy elevados de producto en
comparación con las demás.
Sigma Agro posee cuatro depósitos regionales (Tandil, Pehuajó, Río Cuarto y Cintra), además
de la planta actual que cuenta con almacenamiento. Los depósitos sirven a los distribuidores
de la zona y clientes finales cercanos. Por eso se utilizará la ubicación de los depósitos como
puntos representativos de los destinos finales de la producción. También se incluirá a la planta
actual dado que algunos clientes son servidos directamente de su almacén.
Los insumos principales (ácido 2,4-D, 2-etil hexanol, butanol) son importados de China. Por
lo tanto, se utilizará el puerto de Buenos Aires como punto de referencia. Además, se debe
tener en cuenta el transporte de los envases utilizados, dado que la relación de volumen
transportado es prácticamente uno a uno. Existen múltiples posibles proveedores de envases,
que en su mayoría se concentran en Córdoba o en el sudoeste del conurbano bonaerense. Con
el fin de simplificar el análisis, se elegirán puntos representativos de estas dos ubicaciones, y
el modelo elegirá aquel cuyo costo de transporte en relación a la iteración en curso sea menor.
Se calcula que, por cada camión de materias primas líquidas importadas, se puede llenar hasta
1.5 camiones de formulados envasados. Esto se debe a que los pallets de productos terminados
ocupan más espacio que el material importado en contenedores IBC (solventes líquidos) o big
bags (ácido 2,4-D en polvo). La relación con los envases es prácticamente uno a uno, aunque
existen múltiples fabricantes: los más importantes se ubican en las cercanías de Córdoba y de
la Ciudad de Buenos Aires, como se describió anteriormente.
Los puntos obtenidos a partir de los datos se pueden interpolar con una función lineal, pero a
simple vista se observa que existen dos quiebres importantes donde cambia significativamente
la pendiente de la función. Por eso, se utilizará una regresión lineal de tres partes, que
representa mejor la forma, además de resultar en un mayor ajuste. Esto se observa en la Figura
19.2.
80000
70000
60000
50000
Costo [$]
40000
Resgistro
30000 Regresión
20000
10000
0
0 200 400 600 800 1000 1200 1400 1600
Distancia [km]
Las distancias entre la planta y los puntos relevantes se medirán en forma lineal.
Optimización
En función de estos parámetros, se crea un modelo donde se calcula la distancia lineal a todos
los puntos relevantes, a partir de un par de coordenadas (latitud, longitud). Luego se aplica la
función de costos a este valor, para obtener el costo de transporte del producto entre las
coordenadas seleccionadas al punto relevante. Por último, se multiplica este costo por el factor
de equivalencia (para homogeneizar las cantidades de productos según destino, y teniendo en
cuenta las equivalencias de volumen para las materias primas). En el caso de los envases se
utiliza el punto con menor costo. La suma de estos costos para todos los puntos relevantes será
el costo total de transporte, que se busca minimizar con alguna herramienta de optimización,
como puede ser el add-in Solver de Microsoft Excel.
Distancias en ruta
A partir de los parámetros ingresados y con el modelo propuesto se obtiene un óptimo en las
coordenadas (-34.713184, -58.951570), que se ubica a 15 km. al sur de la localidad de General
Rodríguez (ver Figura 19.3).
Figura 19.3. Localización óptima a partir del modelo de utilizado. (Google Maps, s.f.)
Uno de los supuestos utilizados es la linealidad de las distancias entre el óptimo y cada punto
relevante, cosa que no es enteramente cierta debido a que la distancia en ruta puede diferir
significativamente, especialmente en la proximidad de grandes centros urbanos como la Ciudad
de Buenos Aires.
Para que la solución obtenida represente una mejor aproximación a este problema, se aplicará
un factor de corrección a las distancias calculadas, de acuerdo con la distancia real en ruta entre
el óptimo y cada punto relevante (según GPS). Si al recalcular la minimización de costos el
nuevo óptimo se encuentra cerca del anterior, se puede concluir que la aproximación es lo
suficientemente adecuada para eliminar este supuesto. En caso contrario, se recalcularán los
factores de corrección y se iterará con este procedimiento hasta que la solución converja a un
nuevo punto.
Resultados. Conclusión
Tras aplicar la mejora descrita anteriormente, se obtiene un punto óptimo que no difiere
significativamente del primero. Por lo tanto, se concluye que el modelo converge a este
resultado.
Cabe destacar que esta optimización representa nada más un punto de partida para profundizar
el análisis de ubicación. Si bien un modelo matemático puede ser preciso, difícilmente tenga
en cuenta todos los factores, de índole cualitativos o difíciles de medir numéricamente, que
influyen en la selección final. En las próximas secciones se evaluará si existen lugares en la
proximidad de la zona calculada que cumplan con los demás requisitos.
19.3.4 Selección
Partiendo del anterior análisis, se determinan zonas cercanas al punto obtenido en los cuales
emplazar la industria, asumiendo que la variación en los costos de transporte representa valores
despreciables.
El punto óptimo se ubica 15 km de General Rodríguez, Provincia de Buenos Aires, por lo que
se considerarán las regiones en la Tabla 19.1 como candidatas para el emplazamiento de la
industria.
Tabla 19.1
En referencia a la habilitación legal, cabe mencionar que las tres localidades candidatas se
ubican en la Provincia de Buenos Aires, en la cual se restringe la utilización de IBE entre el
primer día del mes de octubre y el último de marzo. No así el EHE, por lo que se podrá
comercializar durante todo el año.
Tabla 19.2
Comparación de candidatos
Infraestructura industrial Si Si No
Acceso a red eléctrica Si Si Si
Habilitación legal Si Si Si
Dada la falta de infraestructura industrial adecuada, la localidad de Gral. Las Heras pierde
consideración en el proceso de selección, no cumpliendo con todos los factores obligatorios.
Se prosigue, entonces, a realizar el análisis de los factores deseables para Luján y Mercedes.
El método de la matriz de selección consiste en puntual a las candidatas en cada factor deseable,
en una escala del 1 al 10, representando el 10 el mayor beneficio para la empresa. Acto seguido,
se deben ponderar los diferentes factores según su importancia relativa, a fin de que el puntaje
del factor más relevante signifique más que los demás para la toma de la decisión final.
En cuanto este último aspecto, dado que se encontraron zonas con posibilidad de albergar la
planta en la cercanía del punto óptimo, el costo de transporte deja de ser un factor a ponderar,
asumiendo una diferencia mínima entre ellas. Es así como los factores a ponderar se ordenarán
descendentemente según densidad poblacional, confiabilidad de servicios, costo de la energía
eléctrica, costo y disponibilidad de mano de obra y acceso a una red de gas.
Por otro lado, y en cuanto a las características de cada localidad que determinan el puntaje
asignado en cada factor deseable, se detalla:
Densidad poblacional
Mercedes cuenta con una densidad poblacional de 60 hab/km2, mientras que Luján de 93
hab/km2.
Confiabilidad de servicios
Luján es una ciudad que, en su historia, ha sufrido una gran cantidad de inundaciones. Esto se
debe a las repetidas crecidas del Río Luján, causada por abundantes lluvias. Así, el suministro
eléctrico se ve afectado en grandes áreas de la ciudad, disminuyendo la confiabilidad del
servicio.
En cuanto al costo de la EE, ambas localidades se encuentran provistas por EDEN, la Empresa
Distribuidora de Energía Norte S.A, la que cuenta con uno de los cuadros tarifarios más
costosos a nivel nacional. (Casas, 2019)
En la localidad de Mercedes, Sigma Agro ya cuenta con un cuerpo de operarios idóneos para
su operación, por lo que la disponibilidad no representa una dificultad. Sin embargo,
considerando la mayor población de Luján y una normativa laboral sin diferencias sustanciales,
se estima que Luján cuenta con una mayor oferta laboral.
Tabla 19.3
Matriz de selección
Alternativas
Factores de decisión Ponderación
Mercedes Luján Gral. Las Heras
Obligatorios Infraestructura - Si Si No
industrial
Acceso a EE - Si Si Si
Habilitación legal - Si Si Si
Deseables Densidad poblacional 40% 8 4 -
Confiabilidad de 20% 7 4 -
servicios
Costo EE 15% 3 3 -
Costo y disponibilidad 15% 9 10 -
de MO calificada
Acceso a red de gas 10% 1 8 -
100% 6,5 5,15 -
Dada la matriz de selección presentada, se concluye que Mercedes es la ciudad que presenta
mayor aptitud para albergar la planta completa de Sigma Agro, que cuente con la unidad
formuladora y la ampliación hacia una línea de síntesis de 2,4-D éster.
Dado que la región idónea para la instalación de la planta resultó Mercedes, misma localidad
en la cual se emplaza al día de la fecha, no resulta necesario buscar diferentes terrenos
candidatos.
19.5 Conclusión
El análisis de localización es una herramienta fundamental a la hora de determinar la ubicación
exacta en la cual construir una planta. Sin embargo, a la hora evaluar la factibilidad de un
proyecto de ampliación de una línea en una fábrica ya existente, se espera llegar a la conclusión
de que no es necesario mudarla.
Del análisis previamente realizado, se llegó a conclusión esperada, mediante una metodología
de análisis de aplicación de un modelo matemático, y la evaluación de aspectos cualitativos y
cuantitativos que brindan soporte a la decisión tomada.
Cabe destacar que, aún en el caso que la localidad de Luján hubiera obtenido un puntaje
ligeramente mayor en la matriz de selección, se hubiera optado por que la planta permanezca
donde está al día de la fecha. Esto se debe a que, a menos que se perciba una gran ventaja al
mudarla, no justificaría la inversión.
Durante el proceso de mudanza, la empresa debería enfrentar una serie de desafíos propios de
un cambio de ubicación, entre los que se pueden destacar factores de movimiento de
maquinaria y costo de flete asociado, posibles cambios en el personal por la nueva ubicación,
20. LAYOUT
Una vez determinada la localización de la planta, y habiendo estudiado la maquinaria necesaria
para el proceso y la planificación de la producción, cabe analizar la disposición del espacio en
la planta productiva. Una correcta distribución del área disponible debe permitir minimizar los
movimientos, tanto de insumos como de personal, entre las distintas etapas productivas y las
distancias recorridas, maximizando la eficiencia en el uso de los espacios.
La Figura 20.1 muestra una vista aérea de la planta actual de Sigma Agro.
Como se puede apreciar en la Figura 20.2, la planta cuenta con una gran playa de
estacinamiento en la parte inferior izquierda, donde se ubica la entrada y salida de los vehiculos,
incluidos los camiones que transportan los bienes. Siguiendo en direccion hacia hacia la parte
superior, se encuetra el edificio que cuenta con el comedor y vestuarios para el personal, el
laboratorio de control de calidad y las oficinas de la administracion.
En el boceto anterior se pueden observar las nuevas áreas propuestas resaltadas en rojo para
una mejor identificación.
El nuevo almacen de productos terminados se incorpora al layout propuesto por dos razones.
La primera es el aumento en la cantidad de productos a comercializar por parte de Sigma. Es
una compañía que viene creciendo mucho en ventas para todos sus productos, y sumado a la
incorporación de la linea sintetizadora, los numeros de ventas proyectados para los años futuros
indican la necesidad de un nuevo almacen de mayor tamaño. Por otro lado, el sistema de carga
de camiones de productos terminados actualmente no es muy fluido. Con el nuevo deposito
propuesto, los camiones podrán realizar tareas de carga y descarga más cerca del producto para
minimizar el movimiento del mismo. Como ya se mencionó en el capítulo de seguridad e
higiene, hay varios requisitos y recomendaciones para los depósitos de productos fitosanitarios.
Figura 20.4. Layout ilustrativo del área de síntesis química de 2,4-D. Los elementos representados no se
encuentran a escala
La otra habilitación requerida es sobre el formulado final, que no solo habilita al productor,
sino que establece requerimientos estrictos en las propiedades del producto. Estas propiedades
están estipuladas más abajo, siendo algunas principales la composición final del producto,
densidad, PH etc. Las patentes para los formulados finales son dificultosas para conseguir, y
se requiere del cumplimiento de una serie de pasos explicados más adelante en este capítulo.
A su vez el proceso de registro, y la aceptación del formulado final por parte de SENASA es
arduo, costoso y puede demorar hasta 4 años. En el caso del 2,4-D éster y butílico, Sigma Agro
también cuenta con el registro del formulado final en cuestión.
Identidad:
o Solicitante.
o Nombre y Dirección.
o Fabricante/Registrante.
o Nombre común: aceptado por ISO, o propuesto, en su orden, por BSI, ANSI,
WSSA o el fabricante, hasta su aceptación o denominación por ISO. Indicar a
cuál corresponde.
o Sinónimos.
o Nombre químico: Aceptado o propuesto por IUPAC.
o Grupo químico.
o Fórmula empírica.
o Fórmula estructural.
o Isómeros.
o Aditivos.
Composición:
o Certificado de composición cuali-cuantitativa de la sustancia activa grado
técnico, incluyendo sus impurezas con concentraciones iguales o superiores al
0,1% y aquellas toxicológicamente reconocidas.
o Métodos analíticos para la identificación de la Sustancia Activa Grado Técnico.
Propiedades fisicoquímicas:
o Estado físico.
o Color.
o Olor.
o Punto de fusión.
o Punto de ebullición.
o Densidad.
o Presión de vapor.
o Volatilidad.
o Solubilidad en agua.
o Solubilidad en solventes orgánicos.
o Coeficiente de partición en n-octanol/agua.
o Estabilidad en agua (Hidrólisis).
o Inflamabilidad (punto de ignición).
o Tensión superficial.
o Propiedades explosivas.
o Propiedades oxidantes.
o Propiedades corrosivas.
o Reactividad con el material de envases.
o pH.
o Constante de disociación en agua.
o Distribución de partículas por tamaño.
Caramutti, Mihura, Ranallo, Sánchez López, Sucari, Vásquez 173
Producción de herbicidas formulados a partir de 2,4-D éster
o Fotólisis.
Todas las propiedades fisicoquímicas deberán estar acompañadas por las correspondientes
referencias y por la identificación del método de determinación internacionalmente reconocido.
Por otra parte, para el registro de formulaciones a partir de las sustancias activas, se deben
presentar los siguientes datos de descripción General, Composición y Propiedades
fisicoquímicas de las Formulaciones.
Descripción general:
o Solicitante.
o Formulador/Registrante.
o Nombre comercial.
o Clase de uso.
o Tipo de Formulación.
Composición:
o Certificado de composición de la Sustancia Activa Grado Técnico, expresado
en porcentaje. p/p o en p/v.
o Certificado de composición cuali-cuantitativa de la Formulación con todos sus
componentes.
o Declaración con los tenores máximos y mínimos de cada componente de la
Formulación.
o Métodos analíticos para la determinación de la Sustancia Activa Grado Técnico.
Propiedades fisicoquímicas:
o Aspecto.
o Estado físico.
o Color.
o Olor.
o Estabilidad en almacenamiento.
o Densidad relativa.
o Inflamabilidad.
o Acidez/Alcalinidad.
o pH.
o Explosividad.
Propiedades físicas relacionadas con su uso:
o Humectabilidad.
o Persistencia de espuma.
o Suspensibilidad.
o Análisis granulométrico.
o Estabilidad de la emulsión.
o Corrosividad.
o Incompatibilidad con otros productos.
o Densidad a 20ºC en g/ml.
o Punto de inflamación.
o Viscosidad.
o Índice de sulfonación.
o Dispersión.
o Desprendimiento de gas.
o Soltura o fluidez.
o Índice de Iodo.
o Índice de saponificación.
A su vez, se deben presentar muestras suficientes como para realizar las pruebas necesarias.
En cuanto al plazo para la conclusión del proceso de registro, será de 180 días de corrido a
partir de la presentación de todas las informaciones establecidas en los requisitos de
inscripción.
A partir del estudio realizado se determinó que el proyecto se llevará a cabo en el predio que
la planta posee actualmente, ubicada en la localidad de Mercedes, Buenos Aires, Argentina.
Para llevar a cabo el proyecto se analizaron distintas metodologías para cumplir con el plan de
producción, y se dimensionaron y seleccionaron las tecnologías involucradas en el proceso. Se
determinaron las cantidades necesarias de insumos y maquinaria, para satisfacer las demandas
proyectadas hasta el año 2029, para cada producto (EHE e IBE). Se concluye que la mayoría
de los insumos y maquinaría necesaria serán adquiridas a proveedores en China.
CAPÍTULO III:
ESTUDIO ECONÓMICO FINANCIERO
RESUMEN
Ningún proyecto de inversión puede llevarse a cabo sin conocer sus aspectos económicos y
financieros. Por eso, con la información recolectada y generada en el estudio de mercado y en
el dimensionamiento de las tecnologías necesarias en la sección de ingeniería, se procede a
realizar el análisis económico del proyecto.
El capítulo inicia con la proyección de las diferentes variables macroeconómicas que afectan
al proyecto, como puede ser el tipo de cambio, el riesgo país o mismo la inflación en dólares y
pesos. Es en este aspecto donde cabe destacar que el mercado de herbicidas, y el campo en
general, se encuentra dolarizado y se compran materias primas a proveedores extranjeros, por
lo que no puede ignorarse la inflación en dólares y los efectos del tipo de cambio. Se analizan,
también, los impuestos nacionales y provinciales que se deben abonar, junto con las retenciones
y otras tasas que afectan la importación de insumos.
Sigma Agro cuenta con parte de la infraestructura necesaria para llevar a cabo el proyecto (por
ejemplo, depósitos en su planta y un terreno suficientemente grande para construir las naves
necesarias), además de otros activos intangibles como registros, mano de obra calificada y
experiencia comercial y técnica en la industria. Sin embargo, a los fines de realizar una
valuación más precisa, se busca analizar el proyecto de forma independiente a la empresa. De
no hacerlo, sería más difícil y difuso determinar si el mismo es viable financieramente sin
perjuicio de los recursos de la empresa (que podrían ser utlizados para otros proyectos).
Se analizan activos, pasivos y patrimonio neto del proyecto para verificar su balance. También
se realizan análisis del flujo de fondos del IVA, del proyecto y del inversor para cuantificar la
rentabilidad del proyecto en sus 10 años de duración, mediante indicadores como el VAN, TIR
y TOR, así como el período de repago.
Dado que los bienes producidos tienen un comportamiento similar a un commodity, con precios
de referencia internacionales, y a su vez se necesita otro conjunto de commodities para
producirlos, uno de los factores determinantes es el tipo de cambio. Otra variable que se busca
proyectar es la inflación.
Si bien representan una fracción menor de los costos, aquellos en pesos se ajustan en
buena medida con esta variable (por ejemplo, los salarios).
Como se comentó previamente, la inflación del dólar puede conocerse a partir de la relación
entre bonos del tesoro de interés nominal y real (TIPS). Para un par de bonos cupón cero con
mismo vencimiento la relación queda representada en la Ecuación 23.1.
1 + 𝑦𝑡𝑟𝑒𝑎𝑠𝑢𝑟𝑦
𝐸(𝜋𝑈𝑆𝐷 ) = −1
1 + 𝑦𝑇𝐼𝑃𝑆
Ecuación 23.2. Expectativa implícita de inflación, a partir del arbitraje entre tasas nominales y reales.
En la Ecuación 23.3, y son las tasas de interés (nominales o reales) y 𝐸(𝜋𝑈𝑆𝐷 ) la expectativa
de inflación (ambos expresados como tasas de interés efectivas). Si la inflación real fuera
diferente a la esperada, alguna de las partes obtendría una renta mayor a la otra. Si bien los
valores esperados pueden terminar difiriendo de los reales, con la información disponible a un
momento dado, el mercado fijará sus expectativas, que por arbitraje se traducen en la fórmula
anterior. Esto permite a los agentes establecer estrategias de especulación o cobertura, si desean
aumentar o disminuir su exposición a un determinado riesgo, respectivamente.
Se toman datos de todos los TIPS en circulación para realizar un promedio de los rendimientos
(reales) por cada año de término remanente. Para los rendimientos nominales, se utiliza el
compósito publicado por la FED y para los años en que no existe un valor publicado se realiza
una interpolación. Con la ecuación anterior, se calcula la inflación implícita.
Cabe destacar que el valor obtenido representa la inflación implícita promedio anual, entre el
momento actual y el plazo correspondiente. Por lo tanto, para conocer la inflación implícita
interanual, se deben calcular las tasas forward de un año. Para una serie de tasas spot y (como
las anteriores) con plazos n (en años), se puede conocer la tasa forward de un año 𝑓𝑛,1 a partir
de la siguiente Ecuación 23.4, que se conoce como bootstrapping.
(1 + 𝑦𝑛+1 )𝑛+1
𝑓𝑛,1 = −1
(1 + 𝑦𝑛 )𝑛
Ecuación 23.5. Método de bootstrapping para calcular la tasa forward de un año, que corresponde a la variación
interanual de una variable.
Tabla 23.2
Tabla 23.3
El tipo de cambio real (TCR) se define como el tipo de cambio entre dos monedas ajustado por
las variaciones en el poder adquisitivo de cada una. Esto significa que las variaciones en el tipo
de cambio nominal se corrigen por la inflación en cada moneda. Por ejemplo, si la diferencia
(geométrica) entre la inflación en pesos y dólares es del 10% en un año, y el tipo de cambio se
mantiene constante en valores nominales, significa que el tipo de cambio real peso-dólar se
apreció (disminuyó) un 10%, porque los mismos pesos tienen un poder de compra menor en
Argentina y mayor en Estados Unidos respecto a un año atrás.
200%
150%
YTM
100%
50%
R² = 0.9813
R² = 0.9264
0%
0 2 4 6 8 10
Mod. duration
Figura 23.1. Rendimiento de bonos en USD e indexados por CER, en función de su duration.
Se puede utilizar la misma Ecuación 23.1 para estimar la variación implícita del tipo de cambio
real. Si además se incorpora el valor de la inflación esperada en dólares (multiplicando
geométricamente por el valor anterior), la variación del tipo de cambio real queda expresada
solamente en términos de pesos. Es decir, al multiplicar por la inflación proyectada en dicha
moneda, puede calcularse directamente el tipo de cambio nominal. Nuevamente, para conocer
Tabla 23.5
0%
-3% 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029
-6%
-9%
-12%
-15%
Figura 23.2. Variación implícita interanual del tipo de cambio real, durante la vida del proyecto.
Cabe aclarar que el método utilizado es una aproximación de las expectativas de mercado, que
en este caso no pueden conocerse de forma más precisa. Por un lado, porque se utilizan curvas
interpoladas de acuerdo con una regresión. Y por otro, porque se computan las tasas internas
de retorno (TIR) y duration en función de este resultado, que pueden no ser representativas de
un único punto en el tiempo. Esto se debe a los supuestos subyacentes a la TIR, como el de
reinversión de cupones a la misma tasa. Los supuestos podrían verse distorsionados en aquellos
bonos con duration más larga, sobre todo si se consideran las altas tasas nominales que presenta
Argentina en este contexto, y la convexidad de dichos instrumentos.
Como se observa en la Figura 23.3, el mercado espera apreciación cambiaria para los primeros
años, para luego converger a valores próximos al promedio histórico de la serie. De haberse
utilizado un enfoque del tipo “mean reversion”, probablemente los resultados serían muy
similares.
Figura 23.4. Serie histórica del subíndice EE. UU. del ITCRM, con promedio acumulado y evolución a partir de
proyecciones utilizadas.
1
Se denomina dólar MEP (medio electrónico de pagos) a la divisa norteamericana que integra el Sistema Nacional
de Pagos del BCRA (por ejemplo, a través de depósitos en dólares en cuentas argentinas). También son llamados
“argendólares”. Se debe realizar la conversion a divisas internacionales para poder llevar a cabo operaciones en
el exterior (por ejemplo, comercio exterior). Como se analizaron bonos emitidos bajo ley local, se corrigió el
ITCRM por la cotización (libre) de la moneda en esta forma.
23.5. Impuestos
A continuación, se detallan los distintos impuestos que impactan en el análisis económico y
financiero del proyecto.
Para la simplificación de los estados contables se asume que el impuesto se paga el mismo
ejercicio en que se devenga. Asimismo, se considera que de haber quebranto (resultados
negativos), el resultado a favor del impuesto puede ser utilizado dentro de los siguientes cinco
ejercicios, tal como establece la Ley.
En caso de no ser utilizado durante los próximos 5 períodos fiscales a haberse generado el
quebranto, se contabiliza como una pérdida en el ejercicio siguiente.
Puede suceder que se compra más de lo que se vende en algún mes, por lo que se acumula un
exceso de crédito fiscal que puede ser utilizado cuando se dé el caso contrario. Este crédito no
tiene fecha de vencimiento, puede ser utilizado en cualquier momento. Sin embargo, dadas las
diferentes alícuotas que gravan a los diferentes bienes y servicios, puede que se compre con
más IVA del que se vende, sin necesariamente incurrir en pérdidas para la empresa. En dicho
caso se incurre en un crecimiento sostenido del crédito fiscal, conocido como generación de
IVA estructural. A fin de aliviar su impacto económico, la Nación permite utilizar ese crédito
para aliviar el Impuesto a las Ganancias. Esta situación no es tenida en cuenta en el desarrollo
del presente análisis económico financiero, a fin de simplificar los cálculos dado que se trata
de un estudio de prefactibilidad.
En cuanto a las diferentes alícuotas que gravan el consumo, se destacan (AFIP, 2019):
Estas son las alícuotas utilizadas para realizar los diferentes cálculos. El caso particular de las
importaciones se analiza posteriormente.
No se tiene en cuenta la retención del IVA adicional del 20% típicamente aplicada a las
importaciones, pues al tratarse de crédito fiscal de libre disponibilidad, podría utilizarse para
cancelar otros impuestos nacionales (como el Impuesto a las Ganancias). Asimismo, se
considera que todo el débito fiscal neto de IVA se paga el mismo ejercicio en que se devenga.
23.5.4. Aduaneros
Los Derechos de Importación y la Tasa Estadística son calculados sobre la base del costo CIF
de los bienes adquiridos.
Los Derechos de Importación merecen un análisis particular, dado que su valor es dependiente
del producto. Para los bienes de uso se utiliza un arancel del 35%, el máximo posible. Sin
embargo, el ácido 2,4-D técnico y los demás insumos importados son afectados por un 12,5%
en promedio.
Cabe recordar que en las primeras secciones del presente trabajo se introdujo que la
importación de EHE técnico (que se busca sintetizar) es la que se encuentra arancelada al 35%,
mientras que su precursor técnico apenas por el 12,5%, lo que vuelve atractivo el proyecto de
extensión de la línea.
Derechos de importación: 35% para los bienes de uso, 12,5% para materias primas.
El valor resultante de la suma del costo CIF, Tasa Estadística y Derechos de Importación
forman la base imponible para los siguientes impuestos. Adicionalmente se considera un cargo
de 3% que representa costos adicionales del trámite de importación (honorarios del
despachante, costos fijos de Aduana, logística, comisiones bancarias por giros al exterior, entre
otros). De este modo el costo total es del 40,5% para los bienes de uso, y 18% para los bienes
de cambio.
Así resulta que el valor de activación contable de la maquinaria resulta de la sumatoria entre el
costo CIF, los Derechos de Importación, la Tasa Estadística y el porcentaje adicional
mencionado.
24. INVERSIONES
Es necesaria la adquisición de diferentes bienes para la instalación de la línea de producción.
A continuación, se presenta el análisis contable de las diferentes inversiones.
24.1. Terreno
Como se comentó previamente, el emplazamiento definitivo para el proyecto es el terreno
propio de Sigma Agro S.A., ubicado en la ruta provincial N°42 y cruce con acceso La Verde,
a 20km del centro de Mercedes, Buenos Aires.
Para la compra de maquinaria importada se cotiza, en la mayoría de los casos, el costo FOB
del producto y se obtiene el precio aproximado de USD 2.337 en concepto de flete de un
contenedor TEU desde China hasta el puerto de Buenos Aires, según el presupuesto de uno de
los proveedores. El costo del seguro marítimo se considera como el 1% del costo CFR (FOB +
Flete).
Cada máquina contempla sus tiempos de instalación y lead times compartidos por los diferentes
proveedores.
Entre ellos, se pueden encontrar las bombas centrífugas, adquiridas a proveedores locales por
un valor aproximado de $20.000 para las de mayor potencia y $10.000 para las de menor
requerimiento. Se considera la compra de dos bombas por posición, a fin de contar con una
idéntica de repuesto en caso de rotura de la primera y que no sufra paradas la producción. A su
vez, el costo de las tuberías se estima en un 50% del costo de los equipos de bombeo.
Se estiman los costos de instalación de aquellas máquinas que lo requieran en un 20% del valor
de compra (Agricultural Information Modules, s.f.).
Tabla 24.2
Para la maquinaria importada, se calculan los costos de transporte y seguro para formar el
precio CIF y se calculan los impuestos previamente expuestos, logrando el valor de activación
como la suma entre el Costo CIF, los Derechos de Importación, Tasa Estadística, tasas fijas de
aduana y los costos de instalación y puesta en marcha.
Por otro lado, los bienes de uso comprados en territorio nacional se encuentran gravados con
IVA, por lo que debe ser descontado para llegar al valor de activación. Es así como el precio
de compra se establece cómo la sumatoria entre la base imponible IVA y el IVA propiamente
dicho. Los registros del SENASA no se encuentran gravados.
Finalmente, la vida contable de los diferentes activos se corresponde con los principios
generales de contabilidad generalmente aceptados en Argentina.
24.5. Amortizaciones
Para las amortizaciones se toman los valores de activación en pesos de cada inversión. Se
asumen en aquellos con vida útil más corta (registros de SENASA, bombas, etc.). Para los
cálculos, estos valores se pesifican al momento de la compra (con el correspondiente tipo de
cambio), y se definen los valores en pesos de las amortizaciones anuales. La Tabla 24.4 muestra
un resumen de las amortizaciones anuales producto de las inversiones realizadas en el año 0.
Lógicamente, para las inversiones cuya vida útil (real) es menor a la duración del proyecto, se
debe reinvertir. Las sumas anuales producto de las amortizaciones pueden verse posteriormente
en el análisis del cuadro de resultados.
Tabla 24.3
25. COSTOS
25.1. Sistema de costeo
Para el proyecto se decide utilizar un sistema de costeo por absorción multicentro-
multiproducto, donde los costos directos se hunden en cada centro, y son absorbidos por el
siguiente a medida que los productos avanzan el proceso de producción. Se consideran los
siguientes grupos de centros de costos:
Materias primas (MP): representa los inventarios de insumos que son comprados por
la empresa a proveedores externos, tanto nacionales como importados.
A su vez, se consideran dos líneas de producto independientes para el 2,4-D EHE y el 2,4-D
IBE, con el fin de representar con mayor precisión la contabilidad de los costos respecto al
proceso de producción real. En la Figura 25.1 se puede observar un diagrama ilustrativo del
sistema de costeo utilizado.
El stock y costeo de cada producto se lleva por separado. Se consideran los siguientes factores
de costos directos individuales:
o 1-butanol
o 2-etilhexanol
o Ácido 2,4-D (técnico)
o Biodiésel
o Emulgentes
o Catalizadores
o Bidones
Electricidad
Algunos insumos, como los bidones y el biodiésel, van directamente desde el almacén (materia
prima) a la etapa de producto terminado, ya que son utilizados para la formulación y no para la
síntesis (PP). Otros costos, como la mano de obra directa y electricidad, sólo se consideran para
las etapas PP y PT.
Las amortizaciones no son tenidas en cuenta dentro del mecanismo de absorción de costos. En
el cuadro de resultados, se expresan en forma separada.
Cada vez que ingresan nuevos productos a un centro de costos, el costo promedio debe
recalcularse; sólo si el precio que ingresa es igual al histórico del período anterior no habrá
cambios en la valuación. El proceso para el recálculo es el siguiente:
2. Se recalcula el valor promedio, a partir la suma de la valuación del stock del período
anterior más la valuación de los productos que ingresan, dividido por la suma de las
unidades disponibles en el período anterior más las unidades que ingresan.
3. Todos los egresos del período (por ejemplo, unidades de materia prima que se utilizan
para la síntesis) se valúan a la cantidad egresada multiplicado por el nuevo costo
promedio calculado en el paso anterior.
4. Se calcula el valor del inventario final como la diferencia entre stock anterior, más
ingresos, menos egresos.
Esta metodología presenta numerosas ventajas, entre ellas su consistencia. Siempre se verifica
que el stock inicial (período anterior) más los ingresos es igual a los egresos más el stock final,
tanto en unidades físicas como monetarias. Además, los egresos de un centro deben ser ingresos
a otro centro o una salida de inventarios (es decir, ventas). Por lo tanto, también es fácil verificar
la ecuación anterior para todo el sistema, en lugar de un solo centro: si en un período ingresa
en total más valor del que egresa, habrá una suba en la valuación del inventario. Lógicamente,
para sumar ingresos, egresos e inventarios de forma agregada sólo es posible utilizar unidades
monetarias.
Los egresos de los centros de producto terminado representan el costo de ventas, e impactan
directamente en el cuadro de resultados. Como el sistema trabaja por absorción, todos los
costos incurridos en etapas previas (“aguas arriba” del proceso), eventualmente impactarán en
el costo de ventas del producto final, con mayor o menor rezago de acuerdo con las políticas
de seguridad de cada tipo de inventario.
Cada insumo posee una unidad física que se respeta a lo largo de todo el proceso. Por lo tanto,
si un producto se compra en kg., también se utiliza esta unidad en todos los movimientos de
material entre centros de costos. Lo mismo sucede con los productos intermedios del proceso,
IBE y EHE.
La mano de obra directa representa las horas-hombre incurridas por los operarios que trabajan
en cada uno de los procesos de síntesis (PP) y formulación (PT). Se prorratean las horas-hombre
totales pagadas entre cada producto.
Tabla 25.1
Tabla 25.2
La mano de obra directa (MOD) y las amortizaciones son un caso especial, ya que se expresan
como porcentaje del costo total incurrido en cada factor. De este modo, se garantiza que todos
los sueldos y amortizaciones devengados sean incluidos en los costos de ventas y/o inventarios.
Tabla 25.3
Producto Unidad IBE [kg] EHE [kg] 2,4-D IBE [L] 2,4-D EHE [L]
1-butanol Kg 0,2674
2-etilhexanol Kg 0,3908
Ácido 2,4-D Kg 0,8056 0,6699
Biodiésel L 0,2145 0,2240
Bidones U 0,0500 0,0500
Emulgente L 0,0044 0,0046
Catalizador Kg 0,0019 0,0022
IBE Kg 0,9749
EHE Kg 0,8945
MOD Operarios % hh total 0,2400 0,3000 0,2100 0,2500
MOD Supervisores % hh total 0,2400 0,3000 0,2100 0,2500
Electricidad kWh/kg 1,1698 1,1698 0,2552 0,2552
Tabla 25.4
Todos los valores están expresados como porcentaje de la facturación. Estos gastos no son
variables, pero se considera que al modelarlos de esta manera se consiguen números anuales
certeros. Es decir, el acumulado en el tiempo es representativo de la realidad. Estos gastos no
se cuantifican en el sistema de costeo, ya que no son costos directos de producción.
Tabla 25.5
Estructura de costos
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
1 2 3 4 5 6 7 8 9 10
26. FINANCIAMIENTO
26.1. Monto a financiar
El monto inicial a financiar es igual a la inversión necesaria del proyecto en el año cero
(CAPEX). Para simplificar el análisis, se establece que todo el financiamiento se acredita al
inicio del proyecto, y el monto se reparte entre prestamistas (deuda) e inversores (capital). La
proporción entre uno y otro se decide de modo que se minimice la tasa de descuento, o costo
de capital promedio (WACC), del proyecto.
Dado que el proyecto está localizado en Argentina, se descompuso la prima de mercado como
el riesgo país (EMBI, 700 puntos básicos) y una prima de capital argentino basado en retornos
históricos del mercado (Rm), de 594 bps (Damodaran, Country Default Spreads and Risk
Premiums, 2019).
A su vez, dada la poca profundidad del mercado de capitales argentino y la falta de empresas
públicas del rubro del proyecto, es difícil estimar un valor para β. En consecuencia, se utiliza
el beta desapalancado (unlevered beta, o asset beta) del sector económico más similar
catalogado en el mercado de Estados Unidos, que corresponde a la industria química
especializada. Dicho beta es de 0.94 (Damodaran, Betas by Sector (US), 2019), y para el
cálculo del costo de capital deberá volver a ser apalancado de acuerdo al ratio de deuda/capital
(D/E). El modelo a utilizar para el cálculo del costo de capital propio, en función del D/E, se
resume en la Ecuación 26.1.
𝐷 𝐷
𝐾𝑒 ( ) = 𝑅𝑓 + 𝐸𝑀𝐵𝐼 + 𝛽𝑢 (1 + (1 − 𝑡) ( )) 𝑅𝑚
𝐸 𝐸
Ecuación 26.2. Costo de Capital Propio en función de la relación D/E. t representa el impuesto a las ganancias.
26.3. Endeudamiento
Se consideran dos tipos de endeudamiento para el proyecto: deuda de corto y de largo plazo.
La deuda de corto plazo está representada por el financiamiento otorgado por los proveedores
extranjeros de Sigma Agro, quienes permiten un plazo de pago relativamente alto, como se
explicó previamente. Dicho financiamiento está implícito en el capital de trabajo (mayores
deudas comerciales en el pasivo corriente).
Por otra parte, se decide financiar parte del proyecto con deudas de mayor plazo. Las
principales posibilidades son préstamos bancarios y emisión de títulos de deuda (obligaciones
negociables). Hay múltiples motivos por los cuales se cree conveniente optar por la segunda
alternativa:
Existen varios mecanismos impulsados desde el Estado, como el FONDEP, que a través
de fondos comunes de inversión adquieren títulos de deuda de PyMEs (principalmente
cheques y obligaciones negociables), bajando así los costos de financiación.
Dado que la estructura de costos del proyecto está fundamentalmente dolarizada, pero
no se trata de un proyecto exportador, es más difícil conseguir crédito en dólares en la
banca convencional.
Tabla 26.1
Varias de estas empresas colocaron obligaciones negociables en los últimos años, que se
detallan en la Tabla 26.2.
Tabla 26.3
A partir de estos datos, es posible realizar un análisis de regresión del spread de tasa (TIR de
colocación menos el riesgo país al momento de la adjudicación) versus el ratio D/E de dichas
empresas al momento de la emisión de deuda. Cabe aclarar que, como el spread se mide
solamente contra el riesgo país, dicho valor tiene implícito la tasa libre de riesgo.
Emisiones ON locales
6%
ARMERA560047
5%
Spread TIR - EMBI
ARPETA560018
ARACSA560042
4% ARALSE560021
ARREDS560048
ARAGRF5600A9
ARTSEE560011
3% ARACSA560018 ARREDS560022 ARPETA560026
ARACSA560034 ARAGRF560085
2% ARACSA560026
1%
0 1 2 3 4 5 6 7
D/E ratio (último balance)
Figura 26.1. Spread entre tasa de corte de licitaciones primarias y riesgo país, para emisiones locales de deuda
del sector agroquímico, en los últimos años. El área de las burbujas representa el monto de la emisión.
La regresión muestra que existe un factor fijo (ordenada) de 2,21%, y un factor variable de
0,43% por punto de D/E (R2 = 0.776).
El costo de la deuda será del riesgo país (EMBI), más el factor fijo (Kf) calculado anteriormente,
más el factor variable (Kv) por el ratio D/E en cuestión. Además, el costo de la deuda debe
multiplicarse por el complemento del impuesto a las ganancias (o la tasa impositiva efectiva
que corresponda), para considerar el beneficio fiscal del “tax shield” en el ahorro del impuesto
por pago de intereses. El modelo utilizado se resume en la Ecuación 26.3, que representa el
costo de la deuda (antes de impuestos) en función del D/E.
𝐷 𝐷
𝐾𝑑 ( ) = 𝐸𝑀𝐵𝐼 + 𝐾𝑓 + 𝐾𝑣 ( )
𝐸 𝐸
Ecuación 26.4. Costo de Deuda en función de la relación D/E
El costo de la deuda es de 10.19% (antes de impuestos), y el costo del capital propio de 28.14%.
El beta apalancado en estas condiciones es de 2.56.
Tabla 26.5
Condiciones de emisión ON
Característica Valor
Plazo 3 años
TNA 9.82%
Frecuencia de pago Trimestral
Cuotas de amortización 6
Período de gracia 18 meses
Monto USD 527.400
YTM 10.19%
Si bien es posible llevar a cabo todo el proyecto con este financiamiento, se plantea realizar
una segunda emisión luego del primer año. Esto permitiría, por un lado, suavizar los aportes
de capital necesarios por los accionistas, ya que como se verá más adelante, el flujo de fondos
aún es negativo. De este modo es posible mejorar el retorno de los inversores.
Por otra parte, dado que el proyecto experimenta un fuerte crecimiento en los primeros años,
el ratio D/E (considerando sólo deudas financieras) se diluye con el incremento del activo.
Entonces una segunda emisión permite que el mismo no se aleje tanto del óptimo. Si bien las
deudas con proveedores no devengan intereses, el monto de la segunda emisión tampoco puede
ser muy elevado, ya que de lo contrario impactaría fuertemente en el D/E global.
En consecuencia, a fines del año 1 el proyecto estaría en condiciones para realizar una segunda
emisión, idéntica a la primera, salvo por el monto, que será del 50% de la misma.
Figura 27.1. Extracto del cuadro de resultados que muestra el cálculo del resultado operativo del proyecto.
Expresado en miles de pesos argentinos con excepción en el volumen y precio de venta.
Figura 27.2. Extracto del cuadro de resultados que muestra los gastos de administración y comercialización.
Expresado en miles de pesos argentinos.
Para llegar al EBITDA, se incorporan las cuentas generadas en una potencial liquidación del
negocio (resultado por venta de bienes de uso, bienes de cambio y pago de indemnizaciones).
Además, en esta sección también se introducen las pérdidas generadas por vencimiento de
quebrantos de IIGG si no se utilizaron durante los cinco ejercicios siguientes permitidos.
Figura 27.3. Extracto del cuadro de resultados que muestra los gastos extraordinarios del proyecto. Expresado
en miles de pesos argentinos.
En esta sección se introducen las amortizaciones del periodo correspondiente para llegar al
EBIT. Luego se incorporan los intereses pagados por la deuda y las utilidades generadas por la
misma por la variación en el tipo de cambio, dado la ON es en moneda dólar. Por último, se
incorpora el impuesto a las ganancias para llegar al resultado neto.
Figura 27.4. Extracto del cuadro de resultados que muestra el cálculo del resultado neto del proyecto. Expresado
en miles de pesos argentinos.
Figura 27.6. Extracto del cuadro de resultados completo. Expresado en miles de pesos argentinos.
28. BALANCE
Una parte fundamental del análisis económico financiero es corroborar que el activo de la
empresa equivale a la suma de su pasivo y patrimonio neto. En caso de no ser así, evidenciaría
que se incurrió en un error de cálculo que pudiera estar arrojando resultados incorrectos.
En los activos se contemplan las disponibilidades en caja, créditos por ventas otorgados a
clientes, impuestos a favor (IVA principalmente e IIGG si ocurren ejercicios con resultados a
pérdida), bienes de uso ya amortizados, stocks de materia prima, producto semielaborado y
terminado. Además, si los accionistas reciben mayores cantidades de dinero a las ganancias del
ejercicio y resultados acumulados hasta ese entonces, se contabiliza como adelanto de
resultados a los socios. Esto sucede en un escenario extremo donde la diferencia entre los días
de pago y días de cobro es muy grande a favor del proyecto, generando excedentes de caja.
Figura 28.1. Extracto del balance que muestra los activos del proyecto. Expresado en miles de pesos argentinos.
En el pasivo se encuentran las deudas comerciales generadas por los días de pago otorgado por
los proveedores y la deuda financiera de largo plazo.
Figura 28.2. Extracto del balance que muestra los pasivos del proyecto. Expresado en miles de pesos argentinos.
Finalmente, el patrimonio neto puede calcularse como el capital con que cuenta la empresa
proveniente de los aportes de capital de los socios y la suma de las utilidades acumuladas.
Figura 28.3. Extracto del balance que muestra las cuentas de patrimonio neto del proyecto. Expresado en miles
de pesos argentinos.
Figura 28.5. Extracto del balance del proyecto completo. Expresado en miles de pesos argentinos.
El último año el balance queda en cero debido a que el negocio es liquidado. Se cancelan las
deudas y créditos, se vende el terreno, los bienes de cambio y bienes de uso y se pagan las
indemnizaciones correspondientes. La caja restante se devuelve a los socios. Si todas las
transacciones fueron bien computadas, todas las cuentas deberían quedar en cero. Esto ocurre
en el modelo presentado.
Entre ellas se encuentran sumar las amortizaciones del periodo, restarle el quebranto generado
de IIGG, sumar el vencimiento de quebranto de IIGG, restar el aumento de créditos por venta,
sumar el aumento de deudas comerciales y restarle el aumento en capital de trabajo y bienes
de cambio. Adicionalmente, en el caso de una potencial liquidación del proyecto se lleva a cabo
la venta de los bienes de cambio en posesión, la venta de los bienes de uso y del terreno. Estas
tres transacciones se realizan al contado y afectan el flujo de fondo por lo que debe tenerse en
cuenta.
Figura 29.1. Extracto del flujo de fondos propio del proyecto. Expresado en miles de pesos argentinos.
Se continua el armado del flujo de fondos con las operaciones de IVA. Este impuesto no genera
resultados económicos, pero sí efectos financieros que deben tenerse en cuenta. Los principales
cargos que generan movimientos de IVA son las compras (que incluye materia prima y gastos),
y ventas de cada ejercicio junto a las inversiones del año cero.
Si se juntan los dos flujos de fondos anteriores se obtiene el flujo del proyecto.
Figura 29.2. Extracto del flujo de fondos del IVA del proyecto. Expresado en miles de pesos argentinos.
Luego, se elabora el flujo de fondos de la deuda. El mismo involucra los movimientos de capital
del préstamo, el pago de intereses generado sobre los saldos deudores de la misma y el tax-
shield. Este incluye el ahorro de IIGG por el pago de intereses y los resultados por variación
en el tipo de cambio debido a que la deuda es en moneda dólar.
Si se adiciona este tercer flujo a los anteriores, finalmente se obtiene el flujo de fondos de los
inversores. Se debe destacar que se introduce una condición de caja mínima como capital de
trabajo para el proyecto. Aquí se pueden observar los aportes de capital o retiros de los
accionistas.
Figura 29.3. Extracto del flujo de fondos de la deuda y de los inversores. Expresado en miles de pesos
argentinos.
Figura 29.5. Extracto completo de los flujos de fondos. Expresado en miles de pesos argentinos.
𝑑 = tasa de descuento.
𝑖 = período a descontar.
Cuando el VAN toma valor nulo, la tasa de descuento pasa a llamarse TIR (tasa interna de
retorno) que representa la rentabilidad que proporciona el proyecto. Despejando 𝑘 de la
Ecuación 30.2 se puede obtener la TIR del proyecto.
𝑖=𝑛
1
∑ 𝐹𝐹𝑖 × = 0 = 𝑉𝐴𝑁
(1 + 𝑘)𝑖
𝑖=0
En la Tabla 30.1 se puede observar el flujo de fondos del proyecto. De esta resulta que el VAN
del proyecto es de USD 1.778.914 y una TIR de 27,99%.
Tabla 30.2
Se hacen los mismos cálculos para el flujo de fondos del inversor, obteniendo así el VAN del
inversor y su tasa de rentabilidad, TOR. Los valores son USD 461.126 y 32,90%
respectivamente.
Tabla 30.3
Return on Equity – ROE: Mide el rendimiento del capital invertido por los accionistas.
Se calcula mediante el cociente de la utilidad antes de intereses e impuestos y el
patrimonio neto.
Days Payable Outstanding – DPO: El período de pago a proveedores indica qué tanto
se retiene el efectivo. Se calcula como las deudas comerciales dividido el costo de
venta, multiplicado por la cantidad de días del período.
Tabla 30.4
Año ROA ROE Liq. Endeu. D/E D/E* DPO DSO DIO
Año 0 69,70% 2,30
Año 1 6,66% 31,75% 4,83% 79,01% 3,77 1,36 129 120 52
Año 2 17,08% 50,82% 5,69% 66,39% 1,98 0,59 116 120 50
Año 3 19,96% 42,93% 5,71% 53,52% 1,15 0,11 117 120 50
Año 4 21,48% 42,72% 5,72% 49,72% 0,99 116 120 50
Año 5 23,07% 46,75% 5,74% 50,65% 1,03 116 120 50
Año 6 23,98% 49,11% 5,75% 51,18% 1,05 116 120 50
Año 7 24,57% 49,98% 5,83% 50,83% 1,03 114 120 50
Año 8 25,07% 51,33% 5,83% 51,17% 1,05 115 120 50
Año 9 25,64% 52,80% 5,83% 51,44% 1,06 115 120 50
Año 10
D/E* solo deuda financiera de largo plazo. DPO, DSO y DIO expresado en días.
Se obtuvo el VAN del proyecto, el cual resulta de USD 1.778.914 con una TIR de 27,99%. Por
otro lado, el VAN del inversor es de USD 461.126 con una TIR de 32,90%. Al obtener ambos
VAN mayores que cero se entiende que el proyecto a desarrollar crea valor, por lo que si se
utilizara ese criterio el proyecto sería aceptado.
Por otra parte, tanto el ROA como el ROE resultan positivos a lo largo de los años del proyecto
y los índices son aceptables en comparación con la industria en la cual se lleva a cabo el
proyecto. Por lo tanto, el capital invertido resulta tener un rendimiento positivo.
Los períodos de repago simples del proyecto, calculados con el flujo de fondos descontados a
la Ke y al WACC, resultaron de 5 años para el proyecto y 6 años para los accionistas.
Por lo tanto, con los resultados obtenidos de este estudio, se concluye finalmente que el
proyecto resulta económicamente viable y financieramente posible.
CAPÍTULO IV:
ANÁLISIS DE RIESGOS
RESUMEN
El capítulo final del análisis de prefactibilidad consiste en estudiar los riesgos que conlleva el
proyecto.
Inicia con la detección de las principales variables de riesgo, aquellas que afectan en mayor
medida al VAN, mediante un gráfico de Tornado. Posteriormente, se analiza la distribución de
probabilidades que afecta a cada una de ellas, así como la potencial correlación que existiera
entre algunas.
Es así como, con las distribuciones de las variables de riesgo y los escenarios definidos, se
procede a realizar una Simulación de Montecarlo, que permita conocer la distribución
resultante del VAN del proyecto y de los inversores, junto con la probabilidad de que sus
resultados sean negativos.
Por otra parte, se encuentran los riesgos no sistemáticos, o “riesgos diversificables”. Estos son
el conjunto de factores que afectan la rentabilidad de una acción o bono pero que son propios
de una empresa o industria. Un ejemplo de este tipo, aplicable en el presente proyecto podrían
ser todas las causas que hagan disparar el precio tanto de las materias primas como de los
productos terminados. Otro caso de riesgos no sistemáticos podrían ser cambios que afecten a
los agentes de la industria, o del proyecto específicamente, que generen alteraciones en los
contratos. Produciendo, por ejemplo, variaciones en los precios acordados, o en los plazos de
pagos o cobro según corresponda. Otros riesgos podrían ser cambios en los aranceles a la
importación, que hagan reducir el margen para la empresa, por ejemplo.
En conclusión, y como puede apreciarse, la lista de causas que pueden afectar al proyecto es
interminable, por lo que se vuelve fundamental lograr identificar las más relevantes, y
comprender qué impacto tienen sobre las variables más influyentes de la rentabilidad del
proyecto. Para esto se comienza analizando las variables identificadas que están vinculadas con
el proyecto. Se realiza una primera separación, clasificándolas entre independientes y
dependientes, y luego modelándolas para determinar cómo pueden variar en el tiempo. A partir
de este análisis se realiza un Gráfico de Tornado que muestra en una primera instancia el
impacto que tienen las variables en los resultados finales del proyecto.
Una vez analizadas estas variables de riesgo se corre una primera Simulación de Montecarlo
para tener una aproximación de la variabilidad del proyecto y del resultado esperado. Luego se
complejizará el modelo para incluir escenarios factibles que podrían impactar la rentabilidad.
Días de cobro y pago: Este factor afecta de manera directa al flujo de fondos del
proyecto, debido a una pobre estimación del poder negociador de la empresa, generando
modificaciones en el balance del proyecto.
De este análisis, se espera obtener los riesgos a analizar y la posibilidad de generar una
alternativa de abandono frente a un escenario altamente desfavorable.
Índice de variación de precios de las materias primas con relación al año anterior, con
una variación entre -10% y 10%.
Índice de variación de precios de los productos terminados con relación al año anterior,
con una variación entre -10% y 10%.
De esta manera, se utiliza la herramienta de Crystal Ball para realizar el Gráfico de Tornado.
VAN Proyecto
USD
-1,000,000 0 1,000,000 2,000,000 3,000,000 4,000,000
Máximo
Indice precio PT 0,9 1,1
El Gráfico de Tornado resulta útil para el análisis individual de cada una de las variables,
modificando cada una manteniendo condiciones ceteris paribus. Sin embargo, en caso de existir
correlación entre variables pierde utilidad.
Este es el caso del índice de precios de las materias primas y del producto terminado. Si bien
los precios de venta no dependen de los costos, existe cierta correlación positiva entre ellos al
tratarse de commodities del mismo rubro. Esto quiere decir que, si uno se aprecia, el otro
también. De esta manera, el análisis individual de cada uno de ellos no resulta del todo acertado.
Se encuentra una baja sustancial en el VAN del proyecto frente a los derechos de importación
de insumos. Al tratarse de un factor externo y sin correlación con precios de venta, un aumento
puede llegar a ser perjudicial para el proyecto.
Se observa, además, una considerable sensibilidad a los días de cobro y pago, indicando que
será importante generar fuertes relaciones con clientes y proveedores.
Tabla 31.2
Con las variables de riesgo principales definidas, se prosigue a detallar las distribuciones
elegidas. Cabe destacar que, si bien el efecto de algunas de las variables no juega un papel
demasiado relevante en el proyecto, se modelarán a fin de profundizar el análisis de riesgos.
El nivel de aranceles a las importaciones se define como una discreta personalizada. Esto se
debe a que no se cuenta con información respecto de este factor, pero existe la posibilidad de
que varíe. En la Tabla 31.3 se presenta la distribución asignada.
Tabla 31.4
0% 0,1%
5% 0,7%
8% 0,7%
12% 95%
14% 0,7%
16% 0,7%
18% 0,7%
25% 0,7%
35% 0,7%
Además, para el modelado del proyecto, se toma la decisión de que el nivel de aranceles solo
pueda cambiar una sola vez en la duración de este, partiendo del valor inicial de 12%. De esta
forma, la distribución de probabilidades se repite año a año, con la condición de que a partir
del primer año en que cambie, se mantenga fijo por el resto del proyecto. Esto es una
simplificación para el trabajo, entendiendo que en la realidad puede ser posible un cambio
gradual en el nivel arancelario. Dicho esto, la probabilidad de que cambie el nivel de aranceles
sigue siendo baja.
La probabilidad de que el nivel de arancel se mantenga en 12% es muy elevada para cada año
(95%). Sin embargo, la probabilidad total durante todo el proyecto que se mantenga en ese
valor es menor a 80% por propiedad acumulativa.
Análogamente para las materias primas, su índice de evolución de precios se define con una
distribución normal con una media de 1 y un desvío estándar de 0,08.
Se definen como distribuciones normales debido al bajo volumen de datos históricos sobre las
variaciones en los precios. A su vez, la distribución normal contempla la naturaleza continua
de la variable en cuestión, centra la mayoría de los datos en la media y 3 desvíos estándar, y no
acota la variable al contar con colas infinitas. Para el índice de productos terminados se define
un desvío estándar menor al de la materia prima, dado que al incluir más etapas en la cadena
de valor se tiende a amortiguar la variabilidad que se presenta.
A su vez, existe cierta correlación positiva entre los precios de las materias primas y los
productos terminados, al tratarse de commodities del mismo rubro. Se estableció un coeficiente
de correlación de 0,7 entre ambos para las posteriores simulaciones.
La variación de ventas de IBE se define con una distribución normal, con una media acorde a
las proyecciones que se realizaron en el estudio de mercado y un desvío de 5% para cada año.
Análogamente, la variación de ventas de EHE se define con una distribución normal, con una
media acorde a las proyecciones que se realizaron en el estudio de mercado y un desvío de
10%. Su mayor desvío se debe a que es un producto más novedoso en el mercado argentino y
carece de historia, por lo que puede presentarse una mayor volatilidad.
Dado el poco volumen de datos con el que se cuenta para las proyecciones realizadas que afectó
el estudio de Mercado, se opta por una distribución normal para ambos casos. De esta manera,
se logra mostrar el efecto del riesgo sincrónico al contar con colas infinitas y concentrar la
mayor cantidad de datos entre la media y 3 desvíos estándar.
Para ello, se utilizaron las siguientes series de datos, disponibles desde 2002:
Se convierten todas las series a series diarias. Para el CER, que se publica en forma diaria, no
es necesario ningún ajuste adicional. Para el IPC norteamericano, se transforma la serie
mensual a diaria, aplicando una metodología similar a la utilizada para el cálculo de CER: para
una determinada fecha, se calcula la variación entre el ultimo valor mensual (𝑋𝑡−1 ) y el
inmediato próximo (𝑋𝑡+1 ), y la fracción de días entre la fecha a calcular y la última publicación,
dividido la diferencia de días entre la publicación próxima inmediata y la última (n). El valor
del índice para la fecha (Y) se calcula según la Ecuación 31.1.
𝑋𝑡+1 𝑛
𝑌 = 𝑋𝑡−1 · ( )
𝑋𝑡−1
Para la serie del tipo de cambio, se completan los valores de días no hábiles con el último valor
disponible de la serie. Por último, es necesario desplazar el valor de CER 45 días, para
compensar el rezago de la publicación del índice2. Con estos ajustes, se calcula la variación
interanual del tipo de cambio real como la variación del tipo de cambio nominal, multiplicado
por la inflación en dólares, divido por la inflación en pesos.
2
El CER se publica mensualmente entre el día 16 y el 15 del mes siguiente, prorrateando diariamente la última
inflación mensual publicada, que corresponde al mes anterior. Por lo tanto, si se desplaza el índice 45 días, se
logra que la variación de un mes coincida con el período en que fue medida dicha inflación.
La distribución histórica de la variación interanual del tipo de cambio real posee las
características presentadas en la Tabla 31.5.
Tabla 31.6
Estadístico Valor
Media 4.2%
Mediana -0.7%
Desvío estándar 15.2%
Asimetría 1.16
Kurtosis (exc.) 1.85
Por estos motivos no sería representativo modelar la variable con una distribución normal. En
cambio, se utiliza una distribución normal-asimétrica, que se basa y conserva múltiples
propiedades de la anterior, pero permite parametrizar la distribución con un coeficiente de
asimetría (además de media y desvío).
Se realiza una regresión para seleccionar los parámetros tal que el ajuste del modelo respecto
a la distribución histórica sea máximo. El coeficiente de regresión (R²) obtenido es 0,874. En
la Figura 31.3 se compara la distribución histórica con el modelo normal-asimétrico.
5%
4%
3%
2%
1%
0%
-30%
-27%
-24%
-21%
-18%
-15%
-12%
-9%
-6%
-3%
0%
3%
6%
9%
12%
15%
18%
21%
24%
27%
30%
33%
36%
39%
42%
45%
48%
Es así como se propone una distribución para los días de cobro definida como una triangular
con el siguiente detalle:
Tabla 31.7
La distribución para los días de pago se define como una distribución triangular con los
siguientes valores:
Tabla 31.8
Debido a que los días de cobro y pago a los proveedores tienen un impacto financiero
considerable, se brinda al modelo la posibilidad de variarlos en gran medida, con tendencia a
mantenerlos en el valor estimado para el proyecto.
A continuación, en la Figura 32.1, Figura 32.2 y Tabla 32.1, se presentan los resultados de la
simulación de Montecarlo, para evaluar tanto el VAN del proyecto como el del inversor.
Tabla 32.2
Estadístico Valores
VAN Proyecto VAN Inversores
Media USD 1.356.415 USD 32.605
Mediana USD 1.430.540 USD 45.941
Desvío estándar USD 1.608.744 USD 938.773
Asimetría -0,5795 -0,2487
Kurtosis (exc.) 1,96 0.87
Min (USD 11.476.612) (USD 6.409.349)
Max USD 9.182.465 USD 4.238.661
Coef. de variación 1,19 28.79
Error std. Media USD 7.195 USD 4.198
Prob. VAN < 0 16.18% 47,93%
A simple vista es sencillo observar la gran amplitud de las distribuciones, que corresponde al
desvío estándar elevado tanto para el VAN del proyecto como para el VAN del inversor. Esta
sensibilidad de la rentabilidad a los distintos escenarios se puede explicar por la falta de
incorporación de circunstancias específicas que afecten al proyecto.
Otra característica relevante que es posible observar es la certeza con la cual los valores del
VAN se vuelven negativos y, por ende, volviendo el proyecto desfavorable para invertir.
Dichas probabilidades toman los valores de 16,18% y 47,93% para el VAN del proyecto y del
inversor, respectivamente.
Se observa una alta sensibilidad frente a la variación de las ventas de EHE a lo largo del
proyecto, así como al desvío de las proyecciones del TCR. A su vez, más injerencia de la
variación de los días de cobro que los días de pago a proveedores.
Este primer modelo sirve como punto de partida para evaluar potenciales mejoras en la gestión
de riesgos.
Siguiendo lo expuesto anteriormente, se asume que la prohibición puede ejecutarse entre 2020
y 2023, debiendo ajustar el modelo de Excel a dicha situación. A partir de ese momento, se
dejaría de comprar materia prima y se dejaría de vender IBE. Esto genera que una parte del
mercado quede desatendido, de modo que buena parte de la demanda del producto se
transferiría al EHE. Dado este contexto, traería una necesidad de comprar más insumos para
producirlo, así como también modificar el uso del segundo reactor. Al relocar la línea de IBE
para que el proyecto se centre únicamente en la producción de EHE, es necesario transferir la
absorción de los costos correspondientes. También se podría tener en cuenta un “costo de
transferencia” que contemple los gastos inferidos en el proceso de limpieza, y posibles cambios
necesarios en infraestructura.
Asimismo, es de suponer que la transferencia de demanda no sea inmediata, sino que requiera
de una curva de adopción del nuevo producto. Se considera que en el primer año de prohibición
se obtendrá que el 50% de la demanda de IBE cambie al EHE, y un 80% para el segundo año.
En los años subsiguientes se mantendrá en 80%, dado que los productos no son sustitutos
perfectos, tal como se introdujo en el análisis del mercado.
Este escenario podría resultar beneficioso para el proyecto, pero esto se debería a la
transferencia de la demanda y no al mero hecho de salir al mercado solo con EHE.
En la Figura 32.6 y Figura 32.5, se presentan los resultados de una Simulación de Montecarlo
del modelo, agregando la posibilidad de que el IBE sea prohibido.
A simple vista, se observa que las distribuciones se encuentran desplazadas hacia la derecha,
respecto del escenario preliminar. Sin embargo, resulta interesante analizar los indicadores de
las distribuciones en la Tabla 32.3.
Tabla 32.4
Estadístico Valores
VAN Proyecto VAN Inversores
Media USD 1.804.845 USD 190.321
Mediana USD 1.866.723 USD 200.816
Desvío estándar USD 1.612.614 USD 916.113
Asimetría -0,5033 -0,2423
Kurtosis (exc.) 1,82 0,87
Min (USD 13.013.826) (USD 5.913.917)
Max USD 10.261.791 USD 3.991.894
Coef. de variación 0,89 4,81
Error std. Media USD 7.212 USD 4.097
Prob. VAN < 0 11,22% 40,71%
Al analizar los indicadores, se concluye que en caso de que se prohíba el IBE, resultará
beneficioso para el proyecto, teniendo en cuenta la transferencia de demanda hacia el EHE tal
como se estableció en el modelo. Esto se evidencia en los mayores valores de media, mediana,
porcentaje de escenarios con VAN menor que cero, y menor desvío estándar.
Por otra parte, en la Figura 32.9, se incluye el análisis de la sensibilidad del VAN del proyecto
frente a las variables de riesgo del modelo.
Se corrobora que las sensibilidades se mantienen según el modelo preliminar, pero empieza a
jugar un rol importante la no prohibición del IBE. Se confirma entonces que su sensibilidad es
negativa y resulta más beneficioso que se regule su prohibición.
En cuanto a los precios de venta de producto terminado o de compra de insumos, existe una
potencial amenaza. Como se introdujo anteriormente, ambos pueden ser vistos como
commodities y sus precios cuentan con cierta correlación positiva, por lo que un aumento en
los insumos se refleja (no de manera causal, sino por reacción del mercado) en un aumento de
los precios de venta. Esto no quiere decir que el precio dependa del costo, sino que existe una
correlación en los commodities del rubro. Aun así, se percibe una mayor sensibilidad a los
costos que a los precios de venta.
De cualquier modo, son numerosas las combinaciones de variables que pueden generar la
inviabilidad del proyecto, por lo que se establece un escenario de abandono en función del
margen bruto o EBITDA. Si resulta bajo, tras imputar impuestos y demás gastos, es de esperar
que se pierda dinero. Más aún, como la mayoría de las variables clave del modelo afectan a sus
años subsiguientes (si sube el arancel de importación, se mantendrá para los siguientes años y
el índice de precios es acumulativo), es poco probable que se revierta la pérdida.
Se procede entonces determinar el valor de cut-off del margen EBITDA, para el cuál se dé el
abandono. Para ello se corre una simulación de Montecarlo, sin considerar la alternativa de
abandono y midiendo el impacto de las variables sobre el margen EBITDA contra el VAN del
proyecto. Con una serie de combinaciones suficientemente grande, es posible establecer la
correlación entre ambas variables, que a priori se espera sea elevada. De verificarse, se procede
a realizar una regresión del VAN en función del margen EBITDA promedio. Se busca
establecer el cut-off en aquel punto donde el VAN se anule, en promedio.
Figura 32.11. VAN del proyecto (en millones de dólares) y margen EBITDA promedio.
En función de los resultados obtenidos, se determina un cut-off del 4,94% del margen EBITDA,
donde el VAN se iguala a cero de acuerdo con la regresión.
En caso de abandono, se asume que se logra liquidar los stocks al 80% de su valor según el
modelo de costeo histórico. Para esto se toma el stock de fin de año en que se decide abandonar,
y se lo vende al contado. Las cuentas de bienes de cambio pasan a ser cero. Se genera un
resultado de pérdida por la diferencia entre el valor en los libros contables y el precio al que se
venden.
La implementación de esta funcionalidad requiere comparar el margen EBITDA del año actual
con el parámetro de cut-off. En el caso que el primero resulte menor, se considera que se
continúa operando durante ese año y se realiza la liquidación al final del mismo.
Otro aspecto importante para tener en cuenta es la cancelación adelantada del préstamo si el
abandono ocurre durante los primeros años del proyecto. En el prospecto de emisión de las ON
se incluiría un artículo de cancelación sin penalización, por lo que podríamos devolver de forma
adelantada, sin repercusiones. El modelo cancela el saldo restante de la deuda de forma
automática en caso de abandono.
Tabla 33.2
Estadístico Valores
VAN Proyecto VAN Inversores
Media USD 1.512.264 USD 203.540
Mediana USD 1.448.073 USD 235.294
Desvío estándar USD 1.598.113 USD 743.292
Asimetría 0.4371 0.6867
Kurtosis (exc.) -0.51 0.54
Min (USD 2.796.613) (USD 2.562.100)
Max USD 9.579.523 USD 4.104.196
Coef. de variación 1,06 3.16
Error std. Media USD 7.147 USD 3.324
Prob. VAN < 0 24.79% 45.22%
Cabe destacar que no todos los resultados del escenario de abandono son negativos, sino que
algunos son levemente positivos, desde el punto de vista del proyecto.
Prosiguiendo con el análisis de los principales estadísticos, se observa que el valor mínimo (si
bien resulta de la combinación puntual de ciertas variables, en cierta replicación de la
simulación) resulta 6 veces menor que el modelo anterior. Estudiar la media de las
distribuciones carece de sentido, dado el doble comportamiento.
Llama la atención que la probabilidad de que el VAN sea negativo es superior en el modelo
con escenario de abandono. Esto trae consigo dos cuestiones.
La segunda es que la mayoría de los valores negativos se concentran en las cercanías al cero,
haciendo que las pérdidas no sean tan abultadas como en el escenario sin abandono. De esta
manera, comparar los modelos a partir del porcentaje de valores negativos del VAN solamente,
no es suficiente.
Por otra parte, en la Figura 33.4. puede observarse cómo la distribución de resultados del VAN
de los inversores tiene un comportamiento similar, aunque no logre percibirse con claridad. En
este caso, ambas campanas se encuentran superpuestas.
En la Figura 33.5, se presenta la sensibilidad del VAN del proyecto a las diferentes variables
de riesgo.
En el análisis de sensibilidad del VAN del proyecto frente a las variables de riesgo, se sigue
observa que cobra una mayor relevancia el desvío del TCR frente a las ventas de EHE, cuando
en el modelo preliminar era al revés. Por otra parte, la no prohibición del IBE y el costo de
importación juegan un papel relevante.
Frente a este escenario es posible plantear estrategias para administrar y mitigar el riesgo.
En la práctica, la administración financiera podría decidir dolarizar los flujos de caja tan pronto
como sea posible, lo que generaría una utilidad por tipo de cambio positiva (siempre que el
tipo de cambio aumente) que permitiría compensar, por ejemplo, a las utilidades negativas por
ajuste del valor residual de la deuda.
Además, en aquellos momentos en que la empresa no cuente con excedente de caja para compra
de moneda extranjera, pero tuviera compromisos próximos a cancelar en dicha divisa, con
créditos a cobrar en pesos, podría utilizar futuros financieros como cobertura a una eventual
devaluación.
Cabe aclarar que, en términos de resultados netos, ambas posibilidades (compra de divisas o
de futuros) son equivalentes, ya que producirán el mismo resultado por tipo de cambio. Por
eso, se propone como primera estrategia de cobertura la dolarización de los flujos de fondos,
ya sea directa o indirectamente.
Dado que las materias primas son principalmente productos petroquímicos, analizaremos la
relación entre los precios FOB del ácido 2,4-D y una serie de commodities. El ácido 2,4-D es
el costo más representativo e importante del proyecto, ya que afecta a ambos productos y se
correlaciona con los demás insumos, que tienen características similares. Además, es el
producto para el cual fue posible obtener una serie de datos (precios FOB) más completa. Los
commodities a comparar son los siguientes:
En primer lugar, se recopilaron los precios históricos entre 2006 y 2017 (rango para el cual se
dispone de precios FOB del ácido 2,4-D) de cada uno de los productos anteriores. Para ello se
computó el promedio anual del cierre diario de la serie continua de futuros3 de cada uno de
ellos (operados en NYMEX — CME). En el caso del etileno, sólo se dispone de precios a partir
de 2010. Luego, se calculó la variación interanual de cada uno, y se computó la matriz de
correlaciones entre dichas variaciones.
Tabla 34.1
Matriz de correlaciones
Se observa que la mayor correlación con las variaciones del ácido 2,4-D corresponde al etileno.
Sin embargo, este producto presenta algunos inconvenientes:
Al haber utilizado una serie de datos con menos valores, el resultado puede ser menos
significativo
3
Dado que los futuros poseen fecha de vencimiento, se utiliza una serie continua que toma como referencia el
precio del futuro líquido con vencimiento más próximo para cada fecha histórica. Como los futuros tienen más
liquidez y transparencia que los precios spot, y además se trata de productos con especificaciones estandarizadas,
es preferible utilizar esta serie de precios.
Por estos motivos, y dado que la correlación no es significativamente más alta que el siguiente
mejor resultado (petróleo WTI), se decidió utilizar los precios del petróleo como variable de
cobertura. Además, se observa que la correlación entre petróleo y etileno es muy alta, por lo
que al utilizar el primero no se resignan los beneficios estadísticos del segundo.
El siguiente paso consiste en calcular el ratio de cobertura óptimo, que es aquel para el cual la
varianza de la variable objetivo (precio del ácido 2,4-D) es mínima. Dicho ratio (h*) surge de
la Ecuación 34.1.
𝜎𝑣𝑎𝑟.á𝑐𝑖𝑑𝑜2,4−𝐷
ℎ∗ = 𝜌
𝜎𝑣𝑎𝑟.𝑊𝑇𝐼
A partir de los valores históricos se obtiene un ratio óptimo de 35,7%. Esto significa que la
empresa debería cubrir un 35,7% de su exposición al riesgo de precio de ácido 2,4-D mediante
venta de futuros de petróleo, para disminuir su variabilidad en esta magnitud.
Por supuesto, este es un análisis estático, que debe actualizarse periódicamente a lo largo del
proyecto para monitorear que las relaciones históricas no varíen significativamente, y no perder
eficiencia en la estrategia de cobertura. De suceder esto, será necesario repetir el análisis para
reflejar correctamente las nuevas condiciones.
Tabla 34.3
Estadísticos principales
Estadístico Valores
VAN Proyecto VAN Inversores
Media USD 1.968.488 USD 318.090
Mediana USD 1.980.761 USD 266.464
Desvío estándar USD 1.374.165 USD 766.458
Asimetría 0,1405 0,3156
Kurtosis (exc.) -0,01 -0,01
Min (USD 1.998.509) (USD 2.153.830)
Max USD 8.796.169 USD 3.821.661
Coef. de variación 0,6981 2,41
Error std. Media USD 6.145 USD 3.428
Prob. VAN < 0 9,62% 36,76%
Por lo tanto, es posible concluir que mientras las correlaciones analizadas se mantengan en el
tiempo, las estrategias propuestas tienen una alta probabilidad de ser exitosas.
Si bien los mismos tienen un componente importante de toma de decisiones, se concluyó que
no se trata de opciones reales, por múltiples motivos.
En primer lugar, la toma de decisiones en ambos casos puede darse a lo largo de la vida de todo
el proyecto, por lo que no existe una expiración bien determinada, que es una característica
fundamental de una opción.
Por otra parte, no se trata de decisiones que agregan valor al proyecto en sí. Lógicamente y
como se evidencia en el desarrollo de este trabajo, si no se hubieran considerado estos
escenarios, el resultado del modelo habría sido peor (especialmente sin el caso del escenario
de abandono), pero no porque el proyecto en sí tuviera peores condiciones, sino por el simple
hecho de que no hubieran sido tenidas en cuenta. Por lo tanto, los escenarios reflejan
condiciones inherentes al proyecto, y su análisis mejora la precisión de las proyecciones, pero
no agrega valor por sí mismo. En otras palabras, no existe una prima, que es otra característica
fundamental de una opción.
Se analiza también la posibilidad de diferir el inicio del proyecto, que consiste en evaluar si
esperar condiciones más favorables para la inversión supera el costo de oportunidad de llevarlo
a cabo inmediatamente. Sin embargo, se entiende que bajo la coyuntura actual se hace muy
difícil la puesta en marcha de casi cualquier proyecto de inversión productiva, por lo que al
modelar las condiciones económico-financieras iniciales se parte de un escenario más acorde
con el promedio histórico del país (i.e. un riesgo país alrededor de 700 bps).
Por último, en los escenarios planteados, la condición de ejecución es trivial una vez que se
ajustó el modelo para considerar dichos eventos. Especialmente en el caso de la prohibición
del IBE: de ocurrir esto, inmediatamente el inversor intentará aprovechar la capacidad ociosa
para producir EHE, que por efecto sustitución, absorberá la mayor parte de la demanda en el
mercado. En el escenario de abandono, sucede algo similar, aunque la certeza de que el
proyecto será imposible de remontar a futuro no es un evento binario sino una distribución
continua de probabilidades. Por lo tanto, si se tratase de opciones reales, sería nuevamente
difícil argumentar que existe una prima, o incluso un precio de ejercicio (strike); cuando (si)
se cumplen los escenarios, la toma de decisión es inmediata ya que el costo de oportunidad de
no hacerlo es altísimo.
En síntesis, es posible concluir que el proyecto presenta múltiples escenarios, ricos y diversos
en cuanto a toma de decisiones y la existencia de eventos binarios o discretos, pero en ningún
caso es posible agregar valor al mismo desde la incorporación de una opción real. Simplemente
se analiza en profundidad el impacto de la evolución de cada variable para mejorar la precisión
de las proyecciones.
Hasta aquí, ya se observa que algunas variables, al ser tenidos en cuenta los escenarios, cobran
una relevancia diferente en el modelo. El desvío de la variación del TCR cobra mayor
protagonismo que la variación de ventas de EHE. Más aún, se observa que la potencial
prohibición del IBE resultaría beneficiosa para el proyecto, suponiendo se cumpla la
transferencia de demanda proyectada.
A su vez, se concluye que el proyecto es sensible frente a variaciones en los días de cobro y
pago, por lo que deben reforzarse las relaciones con clientes y proveedores, buscando un menor
plazo de cobro y mayor de pago.
Tras un profundo análisis de riesgos, es posible concluir que el proyecto tiene una alta
probabilidad de ser exitoso y dar retornos positivos.
Con este fin, se desarrolló el análisis bajo cuatro ejes fundamentales: estudio de mercado, la
ingeniería necesaria en el proceso, análisis económico-financiero y de riesgos del proyecto.
En el Capítulo II: Estudio de Ingeniería, se dejó de mirar puertas afuera de la empresa, para
mirar puertas adentro y entender cómo se haría el producto. Se definió el proceso y se
dimensionó mediante un balance de línea que tomaba, como información de entrada, la
demanda proyectada en el capítulo anterior y las diferentes tecnologías disponibles. Se
evaluaron diferentes ofertas y se determinó cuál sería el proveedor de cada maquinaria, junto
con el cronograma de ejecución pertinente. Se estableció un plan de producción para los años
del proyecto y se reorganizó el layout de la planta. A su vez, se confirmó que el emplazamiento
definitivo de la línea sería en la misma planta con la que hoy cuenta Sigma Agro S.A., aledaña
a Mercedes.
Sin embargo, era necesario evaluar la rentabilidad del proyecto, por lo que en el Capítulo III:
Estudio Económico-Financiero, se estudiaron inversiones, ventas, compras, costos y demás
cuentas para formar el Estado de Resultados, Balance y Flujo de Fondos del proyecto y del
inversor. Se evaluaron alternativas de financiamiento y se tomó la decisión de emitir ONs para
cubrir las inversiones del año 0, y una segunda ronda de emisión en el año 1. En función de la
Deuda y el Patrimonio de la empresa, se calculó la tasa de descuento. Así, se descontaron los
flujos de fondos del proyecto y del inversor para obtener sus VAN y calcular la TIR y TOR,
respectivamente. Dados sus prometedores valores, se concluyó que el proyecto era rentable.
Pero el análisis no podía concluir de esa manera: los parámetros del modelo podrían sufrir
variaciones o la demanda podría estar mal proyectada. Por esta razón, en el Capítulo IV:
Análisis de Riesgos, se identificaron las principales variables que podrían representar riesgos
para el proyecto y se modelaron sus distribuciones de probabilidad. Se reconocieron dos
escenarios: la potencial prohibición del IBE en los primeros 4 años o el abandono del proyecto,
en caso de que el margen EBITDA de un año sea menor a un valor de cutoff de 4,94%. Así, se
procedió a realizar una Simulación de Montecarlo, conociendo la distribución de valores que
podía tomar el VAN del proyecto y del inversor. Tras un análisis de sensibilidad, se
Finalmente, tras un extenso y profundo análisis, se concluye que Sigma Agro S.A. tiene una
oportunidad de negocio en la extensión de su línea, pudiendo obtener retornos positivos con
una probabilidad del 90,38% desde el punto de vista del proyecto y 63.24% desde el inversor
y así convertirse en la tercera empresa que sintetice 2,4-D éster en el país.
Decreto P.E.N 4830/73: reglamenta la anterior ley y agrega que los fertilizantes y
enmiendas destinados a la exportación deben ser inspeccionados y certificados previo
otorgación de la autorización de embarque y que los importados deben ser
inspeccionados y certificados previo despacho a plaza.
Normativa Provincial
A fines de resumir la presente sección del trabajo se presentarán los instrumentos normativos
de las provincias en las que Sigma Agro tiene participación, posteriormente desarrollado.
(Pórfido, Butler, de Titto, Issaly, & Benítez, 2014)
Buenos Aires
Córdoba
Entre Ríos
La Pampa
Santa Fe
Tabla A3.1
2023/2024 44640938
2024/2025 45355495
2025/2026 45355495
2026/2027 46070052
2027/2028 46784610
2028/2029 47499168
Superficie en hectáreas.
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,974745435
Coeficiente de determinación R^2 0,950128663
R^2 ajustado 0,94805069
Error típico 1277950,043
Observaciones 26
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 7,46742E+14 7,46742E+14 457,2383466 3,90625E-17
Residuos 24 3,91958E+13 1,63316E+12
Total 25 7,85937E+14
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción -1401623710 66984611,04 -20,92456294 6,40701E-17 -1539873152 -1263374267 -1539873152 -1263374267
Año 714557,6321 33416,8831 21,38313229 3,91E-17 645588,5752 783526,6891 645588,5752 783526,6891
2 2
Modelo R S DET S |d i| PRESS p Cp
X1 X3 0,800456115 0,000618561 0,633001934 0,639708726 0,020646783 3 6,153511065
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,894682131
Coeficiente de determinación R^2 0,800456115
R^2 ajustado 0,785106586
Error típico 0,02487088
Observaciones 29
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 2 0,064514115 0,032257057 52,14857627 7,95242E-10
Residuos 26 0,016082577 0,000618561
Total 28 0,080596692
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,304074092 0,014386895 21,135491 6,70808E-18 0,274501406 0,333646779 0,274501406 0,333646779
Precio Promedio (USD) -0,000279017 8,97325E-05 -3,109427279 0,004505127 -0,000463464 -9,45689E-05 -0,000463464 -9,45689E-05
Tiempo -0,004062822 0,00069381 -5,855812831 3,57379E-06 -0,005488969 -0,002636675 -0,005488969 -0,002636675
Trigo
Figura A3.2. Estadísticas de la regresión trigo.
2 2
Modelo R S DET S |d i| PRESS p Cp
X1 X3 0,727251466 0,000305376 0,527318097 0,405865215 0,010519391 3 4,689311568
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,8527904
Coeficiente de determinación R^2 0,727251466
R^2 ajustado 0,70627081
Error típico 0,017475008
Observaciones 29
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 2 0,021170459 0,01058523 34,66295104 4,62287E-08
Residuos 26 0,007939773 0,000305376
Total 28 0,029110232
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,081849888 0,009678073 8,457250551 6,14144E-09 0,061956324 0,101743452 0,061956324 0,101743452
Precio Promedio (USD) -0,000260181 7,69048E-05 -3,383160346 0,002279502 -0,000418261 -0,000102101 -0,000418261 -0,000102101
Nominal GDP per capita (USD) 1,02034E-05 1,2997E-06 7,85058892 2,51438E-08 7,53186E-06 1,2875E-05 7,53186E-06 1,2875E-05
2 2
Modelo R S DET S |d i| PRESS p Cp
X1 X3 X4 0,919671546 0,00138504 0,191599934 0,932655131 0,048665463 4 3,360880336
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,958995071
Coeficiente de determinación R^2 0,919671546
R^2 ajustado 0,910032132
Error típico 0,037216123
Observaciones 29
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 3 0,396429168 0,132143056 95,40740764 8,08508E-14
Residuos 25 0,034625995 0,00138504
Total 28 0,431055163
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,237902092 0,022896756 10,39020952 1,47261E-10 0,19074534 0,285058843 0,19074534 0,285058843
Precio Promedio (USD) 0,000405288 9,76085E-05 4,152184356 0,000334873 0,00020426 0,000606317 0,00020426 0,000606317
Nominal GDP per capita (USD) -2,03786E-05 3,06811E-06 -6,642068185 5,84575E-07 -2,66975E-05 -1,40597E-05 -2,66975E-05 -1,40597E-05
Tiempo 0,014466881 0,001325718 10,91248683 5,34941E-11 0,011736513 0,017197248 0,011736513 0,017197248
2 2
Modelo R S DET S |d i| PRESS p Cp
X4 X5 0,722780247 1,28525E-05 0,124059937 0,045734322 0,00023357 3 1,084813465
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,850164835
Coeficiente de determinación R^2 0,722780247
R^2 ajustado 0,680131054
Error típico 0,003585033
Observaciones 16
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 2 0,000435624 0,000217812 16,94710263 0,000238978
Residuos 13 0,000167082 1,28525E-05
Total 15 0,000602706
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,009357984 0,00302405 3,094520682 0,008536327 0,002824922 0,015891047 0,002824922 0,015891047
Nominal GDP per capita (USD) 3,77968E-06 6,53602E-07 5,782846987 6,35337E-05 2,36766E-06 5,1917E-06 2,36766E-06 5,1917E-06
Tiempo -0,002856719 0,000551999 -5,175229278 0,000178633 -0,00404924 -0,001664199 -0,00404924 -0,001664199
2 2
Modelo R S DET S |d i| PRESS p Cp
X3 0,736197246 7,14079E-05 1 0,129359269 0,0013527 2 2,238364056
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,858019374
Coeficiente de determinación R^2 0,736197246
R^2 ajustado 0,717354192
Error típico 0,008450319
Observaciones 16
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 0,002789903 0,002789903 39,06995389 2,1247E-05
Residuos 14 0,00099971 7,14079E-05
Total 15 0,003789613
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,080705845 0,004431384 18,21233187 3,81121E-11 0,07120147 0,09021022 0,071201471 0,09021022
Tiempo -0,002864541 0,000458283 -6,250596283 2,12469E-05 -0,0038475 -0,001881622 -0,00384746 -0,001881622
262
Producción de herbicidas formulados a partir de 2,4-D éster
2018/2019 1,63% 12,88% 3,20% 19,31% 51,05% 40,35 0,66 5,20 1,29 7,79 20,60 0,52 3,80 0,94 6,49 16,60 28,34
2019/2020 1,75% 12,49% 2,91% 20,44% 50,22% 41,07 0,72 5,13 1,20 8,39 20,62 0,57 3,75 0,87 6,99 16,62 28,79
2020/2021 1,84% 12,08% 2,63% 21,45% 49,65% 41,78 0,77 5,05 1,10 8,96 20,74 0,61 3,69 0,80 7,46 16,72 29,27
2021/2022 1,91% 11,67% 2,34% 22,40% 49,20% 42,50 0,81 4,96 1,00 9,52 20,91 0,64 3,63 0,72 7,93 16,85 29,76
2022/2023 2,00% 11,27% 2,06% 23,41% 48,62% 43,21 0,86 4,87 0,89 10,12 21,01 0,68 3,56 0,64 8,43 16,93 30,24
2023/2024 2,06% 10,86% 1,77% 24,36% 48,16% 43,93 0,91 4,77 0,78 10,70 21,16 0,72 3,49 0,56 8,91 17,05 30,73
2024/2025 2,08% 10,46% 1,48% 25,17% 48,00% 44,64 0,93 4,67 0,66 11,24 21,43 0,73 3,41 0,48 9,36 17,27 31,25
2025/2026 1,98% 10,05% 1,20% 25,69% 48,40% 45,36 0,90 4,56 0,54 11,65 21,95 0,71 3,33 0,39 9,71 17,69 31,83
2026/2027 1,90% 9,64% 0,91% 26,23% 48,79% 46,07 0,87 4,44 0,42 12,08 22,48 0,69 3,25 0,30 10,06 18,11 32,42
2027/2028 1,81% 9,24% 0,62% 26,77% 49,14% 46,78 0,85 4,32 0,29 12,53 22,99 0,67 3,16 0,21 10,43 18,53 33,00
2028/2029 1,74% 8,83% 0,34% 27,33% 49,47% 47,50 0,82 4,19 0,16 12,98 23,50 0,65 3,07 0,12 10,81 18,94 33,58
Superficie en millones de hectáreas, volumen de 2,4-D en millones de litros.
Superficie total sembrada por año de los principales cultivos que utilizan 2,4-D
(Subsecretaría de Agricultura, 2019)
La superficie sembrada total se eligió debido a la relación con las dosis de aplicación de
herbicida por hectárea. Por otro lado, el PBI está fuertemente relacionado con la capacidad de
importar de los agricultores. Se realizo un análisis para determinar las variables significativas.
Se seleccionó al PBI como la única variable significativa basándose en dos factores
principalmente, los datos numéricos arrojados por el análisis, y por el alto coeficiente de
correlación entre las variables Superficie Total y PBI (coeficiente de correlación = 0.883).
Una vez encontrado el modelo que mejor ajusta la importación se compararon los datos reales
con los proyectados, y se dejaron asentados los datos proyectados hasta 2025. Se aclara que
por los datos con los que se trabajó, el año 2018 forma parte de la proyección. El modelo arrojó
un R2 ajustado de 80,07%.
25,000,000
CANTIDAD DE HERBICIDA / KG
20,000,000
15,000,000
10,000,000
5,000,000
AÑO
Se observa un fuerte aumento en la cantidad a importar de ácido 2,4-D. Esto es debido a que
las proyecciones de PIB utilizadas tienen un fuerte nivel de optimismo hacia el país, y al ser
ANOVA
df SS MS F Significance F
Regression 1 8.88464E+13 8.88464E+13 21.26515148 0.001269743
Residual 9 3.76022E+13 4.17803E+12
Total 10 1.26449E+14
Coefficients Standard Error t Stat P-value Lower 95% Upper 95% Lower 95.0% Upper 95.0%
Intercept -42974317.62 10543535.98 -4.075892347 0.002775034 -66825453.06 -19123182.18 -66825453.06 -19123182.18
PBI (M usd) 111.2713264 24.129539 4.611415344 0.001269743 56.6865169 165.8561358 56.6865169 165.8561358
Ecuacion de regresion
X2 = - 42974317.62 + 111.2713264 * X1
0.14
0.12
Volumen (M Lts)
0.10
0.08
0.06 0.11 0.12 0.12
0.10 0.10 0.10 0.11
0.04
0.02
-
2018/2019 2019/2020 2020/2021 2021/2022 2022/2023 2023/2024 2024/2025
Tabla A4.1
Tabla A4.2
Tabla A4.3
Requerimientos 2020
Requerimientos 2021
Requerimientos 2022
Requerimientos 2023
Requerimientos 2024
Requerimientos 2025
Requerimientos 2026
Requerimientos 2027
Requerimientos 2028
Requerimientos 2029
283
Producción de herbicidas formulados a partir de 2,4-D éster
BIBLIOGRAFÍA
Abdalla, S., Reem, A., & Pizzi, A. (2017). Stability and combustion of metal nano-
particles and their additive impact with diesel and biodiesel on engine efficiency:
A comprehensive study. Journal of Renewable and Sustainable Energy.
Abdurehman, A. A., & Samet, H. (2016). The Relationship between Exchange Rate and
Inflation: An Empirical Study of Turkey. International Journal of Economics and
Financial Issues.
AFIP. (2019). Archivos del Arancel Integrado, Codigo AFIP y Sufijos de Valor.
Agriculture, U. D. (s.f.).
Alibaba. (s.f.).
Bautista, P., Mohedano, A. F., Casas, J. A., Zazo, J. A., & Rodriguez, J. J. (2008). An
overview of the application of Fenton oxidation to industrial wastewaters
treatment. Society of Chemical Industry.
Bombas de agua tech. (s.f.). Bombas de agua. Obtenido de Bombas de agua centrífugas:
https://bombasdeagua.tech/centrifugas/
Charles, J., Hanley, T. J., van Ravenzwaay, B., & Bus, J. (2001). Developmental toxicity
studies in rats and rabbits on 2,4-dichloropenoxyacetic acid and its forms.
Toxicological Sciences, 60 (1). doi:10.1007/BF01977633
Dixon, C. (2009). What’s the relationship between cost and price? Business Insider.
Eatzaz, A., & Saima, A. A. (1999). Relationship between exchange rate and inflation.
Pakistan Economic and Social Review.
Environmental Health Criteria monograph No. 159, Geneva: World Health Organizatio.
(s.f.). Glyphosate.
EPA. (2011). Pesticides industry sales and usage, 2006 and 2007 market estimates.
Washington DC: Office of Chemical Safety and Pollution Prevention.
Fernández-Cornejo, J., Wechsler, S., Livingston, M., & Mitchell, L. (2014). Genetically
Engineered Crops in the United States.
Glyphosate Facts. (19 de Agosto de 2013). Glyphosate Facts. Obtenido de ¿Cómo se usa
el glifosato?: http://www.glifosato.es/como-se-usa-el-glifosato
Grand View Research. (2017). Worldwide agrochemical market value in 2016 and 2025.
Industrias BJT C.A. (19 de Marzo de 2018). Industrias BJT. Obtenido de bomba de vacío
- Tipos y Características: https://industriasbjt.com/bomba-de-vacio-tipos-
caracteristicas/
Jervais, G., Luukinen, B., Buhl, K., & Stone, D. (2008). 2,4-d Technical Fact Sheet.
National Pesticide Information Center. Obtenido de
npic.orst.edu/factsheets/archive/2,4-DTech.html
Labrada, R. (2003). Weed management for developing countries. Roma: Fodd and
Agriculture Organization.
Liu, W., Li, H., Tao, F., Li, S., Tian, Z., & Xie, H. (2013). Formation and contamination
of PCDD/Fs, PCBs, PeCBz, HxCBz and polychlorophenols in the production of
2,4-D products. Chemosfere, 92(3). doi:10.1016/j.envpol.2008.09.020
Mandake, M. B., Anekar, S. V., & Walke, S. M. (2013). Kinetic Study of Catalyzed and
Uncatalyzed Esterification Reaction of Acetic acid with Methanol. American
International Journal of Research in Science, Technology, Engineering &
Mathematics.
Marketlina. (2017). Proyecciones (PBI per cápita, PBI total, Población, Inflación, Tasa
de cambio, Tasa de desempleo).
Paz Belada, A. (28 de Julio de 2017). Regulación de los agroquímicos en Argentina: hacia
una ley general de presupuestos mínimos regulatorios. Victoria, Buenos Aires,
Argentina.
Petrelli, G., Siepi, G., Miligi, L., & Vineis, P. (1993). Solvents in Pesticides.
Scandinavian Journal of Work, Environment & Health.
Phillips McDougall. (2018). Evolution of the Crop Protection Industry since 1960.
Pórfido, O. D., Butler, E., de Titto, E., Issaly, P., & Benítez, R. (Enero de 2014). Los
Plaguicidas en la República Argentina - Primera edición. Obtenido de Ministerio
de Salud: http://www.msal.gob.ar/images/stories/bes/graficos/0000000341cnt-
14-Plaguicidas_Argentina.pdf
San Kong, P., Aroua, M. K., & Raman, A. A. (2011). Kinetics Study of Esterification
Reaction of 2-Methyl-4-Chlorophenoxyacetic Acid (MCPA Acid). International
Journal of Chemical Reactor Engineering.
Song, Y. (2014). Insight into the mode of action of 2,4-dichlorophenoxyacetic acid (2,4-
D) as an herbicide. J Integr Plant Biology. doi:10.1111/jipb.12131
Thangaraja, J., Anand, K., & Pramod, S. M. (2016). Predicting surface tension for
vegetable oil and biodiesel fuels. RSC Advances.
Vac Aero International, Inc. (06 de 2019). Calculating Evacuation Time. Obtenido de
https://vacaero.com/information-resources/vacuum-pump-technology-education-
and-training/993-calculating-evacuation-time.html
World Bank (Food and Agriculture Organization). (2016). Crop Production Index.